Как я могу автоматизировать эту задачу?(автоматический контур для лучевой терапии)

Question

Я только начал свою резидентуру в качестве радиационного онколога.У меня небольшой опыт программирования (Python, VBA).

Мне бы хотелось, чтобы вы поделились своими соображениями по поводу проблемы, с которой я столкнулся на работе.

Проблема : Для каждого пациента радиационный онколог должен сделать контур.По сути, он очерчивает основные структуры (такие как аорта, сердце, легкие и т. Д.) При компьютерной томографии.Это важно для вычисления пространственного распределения излучений (потому что вы хотите избежать этих структур).Контурирование выполняется в стороннем программном обеспечении (называемом Isogray).Данные КТ поступают из базы данных больницы, а распределение излучения рассчитывается с помощью другого программного обеспечения.

Требуется по крайней мере один час, чтобы завершить контур.Умножьте это на каждого пациента (может быть, десяток в неделю) и каждого онколога (мы - команда из 15 человек), и вы увидите, что это составляет сто (может быть, даже тысячу) человеко-часов в год.

Существуют программы, которые делают это автоматически, но больница не хочет их арендовать / покупать.Но, если серьезно, насколько сложно это сделать, чтобы немного автоматизировать?Разве я не могу сделать это сам?

Мой план действий : Здесь я хотел бы получить ваши идеи.Как я могу автоматизировать эту задачу?Во-первых, я не могу ничего изменить в Isogray, поэтому мне нужно выполнить автоматизацию извне.Что я должен сделать:

1. Создать базу данных исторических контуров : это означает, что мне нужно иметь возможность читать то, что Isogray использует в качестве выходных файлов
2. Проектирование автоматической модели : Я думаю о моделях глубокого изучения здесь.Я не знаю, есть ли что-нибудь более оптимальное, чем калибровка модели глубокого обучения по контурным КТ-снимкам, которые у меня уже есть
3. Создать небольшое программное обеспечение : на основе автоматической моделипрограммное обеспечение возьмет «неконтурный» файл Isogray и превратит его в «контурный» файл.Онкологу нужно только загрузить новый файл в Isogray и проверить контурность

Что вы думаете?Вы видите более простой способ сделать это?Я ничего не знаю об Isogray (я просто знаю, как его использовать).Как вы думаете, это выполнимо?Какая информация мне нужна, прежде чем я начну этот проект?

Любые идеи будут приветствоваться:)

Answer 1

Вам необходимо предоставить дополнительную информацию об особенностях контурирования, особенно учитывая тот факт, что это для медицинской диагностики.По правде говоря, я бы не стал пытаться автоматизировать это по причинам ответственности.

Если вы совершите ошибку, это может вызвать ошибочный диагноз, который, как вы уже знаете, может привести к многочисленным проблемам, включая судебные процессы и смерть.Хорошая вещь о продуктах сторонних производителей заключается в том, что они уже прошли тщательную проверку на многочисленные сценарии и одобрены для использования в медицинских целях и в целях ответственности.

Я почти уверен, что вы можете сделать магистерскую диссертацию, выполнив что-то подобное

С учетом вышесказанного, есть хороший репозиторий github для таких проблем, как я думаю, вы могли бы потенциально начать генерировать идеи.

Answer 2

Из того, что я понял, это проблема семантической сегментации.

У вас есть входное изображение N измерений (или черно-белых), и вы используете нейронную сеть для указаниякакие регионы соответствуют определенному органу.

Для этой задачи вы можете использовать такую ​​архитектуру, как U-Net: https://medium.com/@keremturgutlu/semantic-segmentation-u-net-part-1-d8d6f6005066

Чего я не знаю, так это того, будет ли степень достоверностиочень высокий, это зависит от многих факторов.

Нейронные сети ищут отличительные узоры для различения зон, первым важным компонентом является форма и цвет.Вот почему это сложнее, когда и цвет, и форма сильно различаются.

С другой стороны, вам понадобится много изображений, но вы можете создать процесс под названием увеличение данных, чтобы генерировать больше (искусственный).

Еще один метод, который используется в настоящее время, заключается в работе в обратном направлении. Мы знаем, что проблема сегментации изображения является сложной.Но вы можете разработать программу, которая имитирует реальные изображения, в которых сегментация известна отлично.

Есть только некоторые ключевые моменты, надеюсь, я вам помог.

РЕДАКТИРОВАТЬ: Семантическаясегментация в биомедицинском контексте: https://towardsdatascience.com/review-u-net-biomedical-image-segmentation-d02bf06ca760