Zlecenie 12243640 - opracowanie narzędzia, które po przekazaniu na wejście...

encja T1 z kontrastem), poda na wyjściu wynik jego segmentacji (w postaci mapy 3D przypisującej każdemu elementowi etykietę/etykiety umożliwiające wskazanie grup elementów reprezentujących struktury anatomiczne/patologiczne) oraz dodatkowe informacje o znaczeniu klinicznym. Informacje te dotyczyć będą wybranych segmentów i będą opisywać zarówno ich cechy ogólne, np. geometryczne (wymiary, objętość) jak i specyficzne dla wykrytych zmian patologicznych (np. rodzaj guza, ocena zagrożenia, itp.). W ramach struktur anatomicznych segmentowane będą: istota biała mózgu; kora mózgu; hipokamp; wzgórze; jądro ogoniaste; gałka blada; ciało migdałowate; skorupa; ciało modzelowate; spoidło przednie; spoidło tylne; skrzyżowanie wzrokowe; pień mózgu; istota biała móżdżku; istota szara móżdżku; tętnica szyjna wewnętrzna; tętnica przednia mózgu; tętnica środkowa mózgu; tętnica tylna mózgu; tętnica łącząca przednia; tętnica łącząca tylna; tętnica kręgowa; tętnica móżdżkowa górna; tętnica móżdżkowa przednia dolna, tętnica móżdżkowa tylna dolna, płyn mózgowo-rdzeniowy w przestrzeni podpajęczynówkowej, komory boczne, róg skroniowy komory bocznej, splot naczyniówkowy, trzecia komora, czwarta komora. Struktury występujące parzyście po prawej i lewej stronie będą segmentowane oddzielnie. Jako struktury patologiczne rozważane będą wybrane zmiany naczyniowe i onkologiczne, wśród nich: glejak wielopostaciowy, IDH-wildtype; gwiaździak, IDH-mutant, skąpodrzewiak, IDH-mutant, 1p/19q-codeleted; nerwiak osłonkowy; oponiak; chłoniak; przerzuty wewnątrzczaszkowe; gruczolak przysadki; tętniaki wewnątrzczaszkowe z uwzględnieniem tętnicy, na której są umiejscowione.
W toku planowanych prac badawczych porównane powinny zostać dwa możliwe rozwiązania: oparte na podejściu jedno- i wieloetapowym. W tym drugim przypadku, wcześniejsze zlokalizowanie jednego rodzaju struktur będzie stanowić dodatkową informację wejściową dla kolejnych kroków analizy obrazu (podejście hierarchiczne). Osobnym etapem może być wyznaczanie dodatkowych informacji o wykrytych segmentach (na przykład ocena zmian patologicznych), wymagająca osobnych modeli klasyfikujących lub regresyjnych.
Do analizy obrazu wykorzystane zostaną techniki uczenia głębokiego:
- bazowe podejście w przypadku segmentacji obrazów RM: sieci neuronowe, a w szczególności sieci splotowe (ang. convolutional neural networks, CNN), w tym architektura U-Net 3D i jej odmiany;
- podejścia oparte o transformery wizyjne (ang. vision trasformers) oraz grafowe sieci wizyjne (ang. vision graph networks).
Podejścia z obszaru objaśnialnej sztucznej inteligencji XAI (ang. explainable artificial intelligence) zostaną wykorzystane do objaśniania modeli.
Prace będą przeprowadzane przy współpracy z podmiotem tworzącym oprogramowanie dla stacji diagnostycznych - możliwe będzie jednoczesne prowadzenie badań oraz weryfikowanie rozwiązań w środowisku docelowym