JoHof/lungmask

해결하는 문제

CT 스캔에서 폐의 자동 세그멘테이션을 제공하며, 종양, 흉수, 심한 섬유화와 같은 심각한 병변으로 인해 일반적인 세그멘테이션 도구가 실패하는 경우에도 대응할 수 있도록 설계되었습니다.

작동 방식

이 프로젝트는 훈련된 U-net 모델을 사용하여 CT 이미지를 처리합니다. 목적에 따라 네 가지 다른 모델을 제공합니다:

• U-net(R231): 좌우 폐를 분리하고 밀도 높은 병변 영역을 포함하는 일반 목적 모델.
• U-net(LTRCLobes): 개별 폐엽을 세그멘테이션하는 전용 모델.
• U-net(LTRCLobes_R231): 폐엽 특화 모델과 일반 모델을 융합하여 누락 영역(거짓 음성)을 보완하는 하이브리드 접근 방식.
• U-net(R231CovidWeb): COVID-19 데이터로 보강된 버전으로, 웹에서 얻은 자르거나 비표준적인 이미지에 더 잘 대응합니다.

대상 사용자

폐 CT 데이터를 다루는 의료 연구자 및 임상의로, 폐 부피 또는 특정 폐엽에 대한 신뢰할 수 있는 자동 마스크가 필요한 분들입니다.

주요 특징

• 병변 내성: 종양과 흉수를 세그멘테이션에 포함할 수 있습니다.
• 유연한 입력: DICOM 시리즈, ITK 형식, Numpy 배열을 지원합니다.
• GPU 가속: CUDA를 지원하여 추론 속도를 크게 향상시킵니다(체적당 초 단위 vs. 분 단위).
• 다중 모달리티: 단순한 좌우 폐 분리와 세부적인 5엽 세그멘테이션 모두 제공합니다.