MrGiovanni/SyntheticTumors

何を解決するか

このプロジェクトは、腫瘍をセグメンテーションするためのAIモデルを訓練するためのラベル付き医療データの不足に対処します。高精度な合成肝腫瘍および膵臓腫瘍を生成することで、実際の医療画像からの高コストで時間がかかる手動ラベルに頼らずにAIモデルを訓練できるようになります。

どう動くか

このプロジェクトは、視覚的に本物と区別がつかない（「視覚的チューリングテスト」に合格する）合成腫瘍を生成するための新しい合成戦略を使用しています。これらの合成画像は、UNetやSwin-UNETRなどのセグメンテーションモデルの訓練に使用され、実際の腫瘍セグメンテーションタスクに適用した際に、実データで訓練されたモデルと同等の性能を発揮します。

対象ユーザー

肝臓および膵臓腫瘍を対象とした臓器セグメンテーションおよびがん検出に注力する医療画像研究者やAI開発者。

特徴

• ラベルフリー訓練: 大量の手動ラベル付き実際の腫瘍データを必要とせずに、AIモデルを訓練可能。
• 高リアルさ: 合成腫瘍は実際の腫瘍と視覚的に類似しており、人間の観察者ですら区別がつかないほど。
• モデル互換性: UNetやさまざまなサイズのSwin-UNETR（Base、Small、Tiny）を含む複数アーキテクチャに対応する事前学習済みモデルと訓練スクリプトを提供。
• 多臓器応用: 肝臓および膵臓がんの検出と局在化において、有効性が実証されています。