deep learningによるCTスキャン画像シーケンスの3次元セグメンテーションからのMixed Realityでの活用
2 likes2,420 views
deep learningによるCTスキャン画像シーケンスの3次元セグメンテーションからのMixed Realityでの活用
- 3. 患者のCTデータから作成
- 6. 術野に3Dを表⽰
- 13. Segmentation
- 14. Marchine Cube
- 15. Polygon
- 23. 医⽤画像セグメンテーションの特徴１ データセット セット数が少ない: ⼤体数⼗セット Data Augmentation 数⼗万オーダにデータを増やす 対象の特徴に合わせた⼿法 elastic deformationなど
- 24. 医⽤画像セグメンテーションの特徴2 ネットワーク CNN (U-net含む) VNet, Cumedなど3次元セグメンテーションもある loss関数 クロスエントロピー, DICE係数など データフォーマット DICOM形式 / MHD形式 CT値/MRI信号強
- 28. データセット MRI 解像度 320 * 320 * 20 セット数 : 50
- 29. セグメンテーションシステムの構成 画像⼊⼒ 正規化 Data Augmentation VNet Connected component analysis DICOM出⼒
- 31. VNet 3D(Volume)の セグメンテーション Down ConvとUp Conv 学習条件・環境 30000 step azure GPU K80 Caffe