JoHof/lungmask

何を解決するか

CTスキャンにおける肺の自動セグメンテーションを提供し、腫瘍、胸水、重度の線維症などの重度の病変を含む場合でも、標準的なセグメンテーションツールが失敗する状況に対応できるように設計されています。

動作方法

このプロジェクトは、訓練済みのU-netモデルを使用してCT画像を処理します。目的に応じて4つの異なるモデルを提供しています：

• U-net(R231)：左右肺を分離し、密集した病変領域も含む汎用モデル。
• U-net(LTRCLobes)：個々の肺葉をセグメンテーションする専用モデル。
• U-net(LTRCLobes_R231)：肺葉特化モデルと汎用モデルを統合し、欠落領域（誤陰性）を補完するハイブリッドアプローチ。
• U-net(R231CovidWeb)：COVID-19データで拡張されたバージョンで、Webから得たクロップされたまたは非標準的な画像に対してもより良好に動作します。

対象ユーザー

肺CTデータを扱う医療研究者や臨床医で、肺容量または特定の肺葉に対する信頼性の高い自動マスクが必要な方々。

特徴

• 病変耐性：腫瘍や胸水をセグメンテーションに含めることが可能。
• 柔軟な入力：DICOMシリーズ、ITK形式、Numpy配列をサポート。
• GPU加速：CUDAをサポートし、1体積あたり数秒で推論可能（従来の数分と比較）。
• 複数モダリティ：単純な左右肺分離と詳細な5葉セグメンテーションの両方を提供。