מודל מבוסס Swin Transformer לזיהוי קשריות בבלוטת התריס בתמונות אולטרסאונד

תוכנית זו מיישמת אמצעי אוטומטי ויעיל לאיתור גושים בבלוטת התריס, אשר עשוי להפחית את עומס העבודה של הרופאים בעתיד. טכניקה זו מיישמת שנאי Swin לרשת זיהוי גושים. Swin רובוטריקים יעילים בלכידת מידע תוכן לטווח ארוך, מה שעוזר מאוד בשיפור הרגישות של מעצר גושים.

כדי להתחיל, פתח מסוף במחשב והתקן את Python 3.8 על ידי הקלדת sudo apt-get install python3.8 בשורת הפקודה. כדי להתקין PyTorch 1.7, עבור אל האתר הרשמי של Miniconda ולהתקין אותו. לאחר מכן צור סביבת Conda על ידי הקלדת הפקודה המוצגת על המסך בשורת הפקודה, והפעל אותה על ידי הקלדת conda activate SwinFasterRCNN.

התקן את PyTorch על ידי כתיבת הפקודה המוצגת בשורת הפקודה. עבור התקנת זיהוי MM, שכפל מהמאגר הרשמי של GitHub ולאחר מכן התקן את MM Detection על-ידי כתיבת הפקודה pip install v e בשורת הפקודה. פתח את schedule_1x.

קובץ py בעורך הטקסט Vim וערוך את הקובץ כדי להגדיר את הפרמטרים הקשורים לאימון כברירת מחדל, כולל הממטב, קצב הלמידה והאפוס. התחל את האימון על-ידי הקלדת הפקודה המוצגת על המסך. המתן עד שהרשת תתחיל את האימון במשך 48 אפיקים, וכדי שהמשקולות המאומנות המתקבלות של רשת SwinFasterRCNN ייווצרו בתיקיית הפלט.

שמור את משקלי הדגם בדיוק הגבוה ביותר בערכת האימות. לאחר האימון, בחרו את הדגם עם הביצועים הטובים ביותר בערכת האימות לזיהוי קשריות בבלוטת התריס בתמונות החדשות. הפעל את סקריפט הבדיקה כדי לשנות את גודל התמונה ל- 512 פיקסלים על 512 פיקסלים ולנרמל אותה.

המתן עד שהסקריפט יטען באופן אוטומטי את פרמטרי המודל שאומנו מראש ל- SwinFasterRCNN, והזן את התמונה המעובדת מראש לתוך SwinFasterRCNN לצורך הסקת מסקנות. המתן עד ש- SwinFasterRCNN יפיק את תיבת החיזוי עבור כל תמונה. לבסוף, אפשר לסקריפט לבצע באופן אוטומטי עיבוד NMS לאחר בכל תמונה כדי להסיר את תיבות זיהוי הכפילויות.

תוצאות הזיהוי של אותה תמונה מוצגות בשורה נתונה. העמודות הן תוצאות הזיהוי עבור SwinFasterRCNN, FasterRCNN, YOLOv3, SSD, RetinaNet ו- DETR. אמיתות הקרקע של האזורים מסומנות בתיבות מלבניות ירוקות.

תוצאות הזיהוי ממוסגרות על-ידי התיבות המלבניות האדומות. חשוב מאוד לבחור את פרמטר היפר המתאים כדי להבטיח אלה מתכנסים, אשר צריך להיקבע על ידי ניסויים רבים.