Trening segmentacijskih mreža za medicinske slike na malim skupovima podataka
Razvili smo nekoliko metoda treniranja neuronskih mreža za segmentaciju tkiva na temelju presjeka u 3D CT skenovima i drugim modalitetima medicinskih slika. Oni posebno dobro funkcioniraju za male skupove podataka, na primjer, skupove podataka koji sadrže samo 20 CT snimaka. To postižemo korištenjem predobrade i transformacije slike specifične za domenu, kao što je korištenje polarnih koordinata za eliptično raspoređena tkiva ili ugradnjom informacija o dubini u 2D ulazne slike u mrežu. Otkrili smo da ovi pristupi općenito poboljšavaju točnost segmentacije i vremena konvergencije mreže za različite vrste medicinskih slika.
Istraživanje pristranosti umjetne inteligencije u segmentaciji medicinske slike
Istražili smo pristranost postojećih metoda za segmentaciju kožnih lezija korištenjem neuronskih mreža u analizi dermatološke slike. Naš fokus leži u otkrivanju potencijalnih pristranosti unutar često korištenih modela segmentacije, posebno s obzirom na boju kože. Pomoću tehnika statističke analize i obrade slike, uključujući metode procjene boje kože kao što je Fitzpatrick tipologija i procjena kuta individualne tipologije, uspostavili smo korelaciju između kvalitete segmentacije i boje kože u različitim skupovima podataka.
