Nasz artykuł na stronie arxiv.org: Metody uczenia maszynowego służące do precyzyjnego wyznaczania granic guzów na obrazach PET

02 11 2016 | Publikacje

Opublikowano nasz artykuł:

Metody uczenia maszynowego służące do precyzyjnego wyznaczania granic guzów na obrazach PET

Jakub Czakon, Filip Drapejkowski, Grzegorz Zurek, Piotr Giedziun, Jacek Zebrowski, Witold Dyrka
(Przesłano 29 października 2016 r.)

W onkologii tomografia emisyjna pozytonowa (PET) znajduje szerokie zastosowanie w diagnostyce przerzutów nowotworowych, monitorowaniu postępów w leczeniu nowotworów oraz planowaniu zabiegów radioterapeutycznych. Dokładne i powtarzalne wyznaczenie granic guza na obrazach PET pozostaje trudnym zadaniem, mimo że ma kluczowe znaczenie dla podania odpowiedniej dawki promieniowania, zminimalizowania niepożądanych skutków ubocznych terapii oraz rzetelnej oceny leczenia. W niniejszym badaniu podejmujemy próbę rozwiązania problemu automatycznego wyznaczania granic guza przy użyciu trójwymiarowych implementacji algorytmu rozmytej średniej c z wagą odległości przestrzennej, głębokiej konwolucyjnej sieci neuronowej oraz modelu słownikowego. Metody te na różne sposoby łączą informacje o intensywności i informacje przestrzenne.

Komentarze:19. Międzynarodowa konferencja poświęcona przetwarzaniu obrazów medycznych i interwencjom wspomaganym komputerowo (MICCAI 2016) – konkurs PETSEG, Ateny, Grecja, 21 października 2016 r.
Tematy:Wizja komputerowa i rozpoznawanie wzorców (cs.CV); Obliczenia neuronowe i ewolucyjne (cs.NE)

więcej na stronie: https://arxiv.org/abs/1610.09493