JoHof/lungmask

解決的問題

提供CT掃描中肺部的自動分割，特別設計用於處理腫瘤、胸腔積液和嚴重纖維化等嚴重病變，這些情況常導致標準分割工具失效。

工作原理

本專案使用訓練好的U-net模型處理CT影像。根據目標提供四種不同模型：

• U-net(R231)：通用模型，可分離左右肺並包含密集病灶區域。
• U-net(LTRCLobes)：專用模型，用於分割單個肺葉。
• U-net(LTRCLobes_R231)：混合方法，將肺葉特異性模型與通用模型融合，以填補遺漏區域（假陰性）。
• U-net(R231CovidWeb)：透過COVID-19資料增強的版本，能更好地處理來自網路的裁切或非標準影像。

適用對象

需要對肺部CT資料進行可靠自動遮罩的醫學研究人員與臨床醫師，用於肺部體積或特定肺葉分析。

亮點

• 病灶穩健性：能夠將腫瘤與胸腔積液納入分割結果中。
• 靈活輸入：支援DICOM系列、ITK格式與Numpy陣列。
• GPU加速：支援CUDA，顯著加快推論速度（每體積數秒 vs. 數分鐘）。
• 多模態支援：提供簡單的左右肺分離與詳細的五葉分割兩種模式。