Wyniki wyszukiwania - BazTech

1

Deep learning-based framework for tumour detection and semantic segmentation

Kot Estera, Krawczyk Zuzanna, Siwek Krzysztof, Królicki Leszek, Czwarnowski Piotr

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2021

|

Vol. 69, nr 3

art. no. e136750

EN

For brain tumour treatment plans, the diagnoses and predictions made by medical doctors and radiologists are dependent on medical imaging. Obtaining clinically meaningful information from various imaging modalities such as computerized tomography (CT), positron emission tomography (PET) and magnetic resonance (MR) scans are the core methods in software and advanced screening utilized by radiologists. In this paper, a universal and complex framework for two parts of the dose control process – tumours detection and tumours area segmentation from medical images is introduced. The framework formed the implementation of methods to detect glioma tumour from CT and PET scans. Two deep learning pre-trained models: VGG19 and VGG19-BN were investigated and utilized to fuse CT and PET examinations results. Mask R-CNN (region-based convolutional neural network) was used for tumour detection – output of the model is bounding box coordinates for each object in the image – tumour. U-Net was used to perform semantic segmentation – segment malignant cells and tumour area. Transfer learning technique was used to increase the accuracy of models while having a limited collection of the dataset. Data augmentation methods were applied to generate and increase the number of training samples. The implemented framework can be utilized for other use-cases that combine object detection and area segmentation from grayscale and RGB images, especially to shape computer-aided diagnosis (CADx) and computer-aided detection (CADe) systems in the healthcare industry to facilitate and assist doctors and medical care providers.

2

Zastosowanie metod medycyny nuklearnej w ocenie ośrodkowego układu nerwowego

Jarzębska Paulina, Kocemba Michał, Szostek Monika, Czwarnowski Piotr, Płazińska Maria Teresa

Inżynier i Fizyk Medyczny

|

2019

|

Vol. 8, nr 3

179--182

PL

Współczesna medycyna korzysta z licznych technik obrazowania centralnego układu nerwowego, najpopularniejsze badania to tomografia komputerowa i rezonans magnetyczny. W niektórych przypadkach klasyczne techniki nie dostarczają nam wszystkich istotnych informacji – w takiej sytuacji często zastosowanie mają metody medycyny nuklearnej. Medycyna nuklearna zajmuje się diagnozowaniem i leczeniem schorzeń przy pomocy izotopów promieniotwórczych wykorzystując głównie mechanizmy fizjologii ciała i organów, uwidaczniając patologię dotyczącą choroby. Metody medycyny nuklearnej można wykorzystywać w diagnostyce i terapii. Do podstawowych technik obrazowych w medycynie nuklearnej należą: ––Technika pojedynczego fotonu (SPECT-CT - obrazy 3D oraz technika planarna 2D), ––Pozytonowa Tomografia Emisyjna (PET-CT – w większości przypadków są to obrazy 3D).

3

Wpływ rekonstrukcji na wartość SUV w badaniu PET-CT

Czwarnowski Piotr

Inżynier i Fizyk Medyczny

|

2019

|

Vol. 8, nr 1

38--39

PL

Obecnie używane metody rekonstrukcji tomograficznej można zasadniczo podzielić na podstawowe dwie grupy: • metody analityczne, • metody stochastyczne (iteracyjne). Stochastyczne (iteracyjne) metody rekonstrukcji są wyprowadzane z algebraicznego, dyskretnego ujęcia problemu obrazowania i odzwierciedlają rzeczywisty proces pomiaru za pomocą kamery. Dyskretnie rejestrowane fotony, o energiach zawierających się w zadanym oknie energetycznym, są przyporządkowywane do tablicy pikseli o skończonych rozmiarach. Podobnie rekonstruowany obraz ma formę trójwymiarowej tablicy voxeli (pikseli trójwymiarowych).