Erstellung einer App für die Lokalisation des Hirntumors

Kunde

ScienceSoft hat eine Lösung für die Gesundheitsbranche entwickelt, die darauf abgezielt war, die automatisierte Diagnose von Hirntumoren durch den Einsatz von Convolutional Neural Network (CNN) Algorithmen zu verbessern.

Aufgabe

Die automatisierte medizinische App musste hochgeladene MRT-Scans des Gehirns analysieren und den segmentierten Tumor auf den gescannten Aufnahmen je nach Gewebetypen mit Farben markieren.

Lösung

Das Projekt umfasste einige Phasen: die Erstellung einer spezifischen CNN-Struktur; die Vorbereitung von Trainings- und Testdatensätze; das Training und Testing von CNN und die Bewertung der Genauigkeit.

Das Team für die branchenspezifische individuelle Softwareentwicklung beauftragte Senior С++ Entwickler, eine CNN-Struktur mit den folgenden Schichten zu erstellen:

• 5 Convolutional-Schichten (Faltungsschichten)
• 1 ReLU Aktivierungsschicht
• 1 Pooling-Schicht
• 1 vollständig vernetzte Schicht

Der Analyseprozess beinhaltet:

• Segmentierung in 3 Ebenen - XY, XZ und YZ.
• Verwendung von 3 Filtern für die Nachbearbeitung, um das Rauschen und andere Artefakte zu entfernen.
• Zusammenführen von 3 Ausgabedateien.
• Einsatz des Endfilters für die Nachbearbeitung der vereinigten Dateien.

Um die CNN-Performance einzuschätzen, hat das Team die erhaltenen Ergebnisse mit den Grund-Truth-Daten verglichen. Die Grund-Truth-Daten wurden aus BraTS (BRain Tumor Image Segmentation) -Bildverarbeitungsdaten entnommen, die von einem bis vier Experten manuell segmentiert und markiert sowie durch Neuroradiologen genehmigt wurden. Die maximal erreichte Netzwerkgenauigkeit beträgt 87%.

Zum Vergleich: Grund-Truth-Daten (oben) und das Projektergebnis (unten)

Ergebnisse

ScienceSoft entwickelte eine CNN-basierte App, um MRT-Scans des Gehirns automatisch zu analysieren, Tumoren zu lokalisieren und Gewebetypen zu bestimmen. Die App ermöglicht es, Gesundheitsspezialisten bei der Diagnose von Hirntumoren, der Operationsplanung und der Verfolgung des Behandlungsfortschritts zu unterstützen.

Technologien und Tools

C++, Caffe framework, CMake, VTK, ITK