Τμηματοποίηση Ιατρικής Εικόνας: Μελέτη και αξιολόγηση σύγχρονων προσεγγίσεων

Abstract

Η τμηματοποίηση ιατρικής εικόνας περιλαμβάνει τον εντοπισμό περιοχών ενδιαφέροντος σε εικόνες ιατρικού περιεχομένου. Στη σύγχρονη εποχή, υπάρχει μεγάλη ανάγκη ανάπτυξης εύρωστων αλγορίθμων όρασης υπολογιστών για την εκτέλεση του συγκεκριμένου έργου με σκοπό την μείωση του χρόνου και του κόστους διάγνωσης και επομένως την γρήγορη πρόληψη και θεραπεία ποικίλων ασθενειών. Οι προσεγγίσεις που έχουν παρουσιαστεί μέχρι στιγμής, κυρίως ακολουθούν την αρχιτεκτονική τύπου U που προτάθηκε με το μοντέλο UNet, υλοποιούν αρχιτεκτονικές τύπου κωδικοποιητή-αποκωδικοποιητή με πλήρως συνελικτικά δίκτυα, αλλά και αρχιτεκτονικές μετασχηματιστή, αξιοποιώντας ταυτόχρονα και μηχανισμούς προσοχής αλλά και υπολειμματικής μάθησης, και δίνοντας έμφαση στην συγκέντρωση πληροφοριών σε διαφορετικές κλίμακες ανάλυσης. Πολλές από αυτές τις παραλλαγές αρχιτεκτονικών, πετυχαίνουν εμφανή βελτίωση των ποσοτικών και ποιοτικών αποτελεσμάτων σχετικά με το πρωτοπόρο UNet, ενώ μερικές δεν καταφέρνουν να ξεπεράσουν την επίδοση του. Στην παρούσα διπλωματική εργασία, εκπαιδεύονται και εξετάζονται 11 μοντέλα σχεδιασμένα για τμηματοποίηση ιατρικής εικόνας αλλά και άλλους τύπους τμηματοποίησης, με κριτήρια συγκεκριμένες μετρικές αξιολόγησης, σε 4 δημόσια διαθέσιμα σύνολα δεδομένων που σχετίζονται με γαστρικούς πολύποδες και πυρήνες κυττάρων, τα οποία πρώτα επαυξάνονται ώστε να αυξηθεί το μέγεθός τους σε μια προσπάθεια να αντιμετωπιστεί το πρόβλημα της έλλειψης μεγάλου πλήθους ιατρικών δεδομένων. Επιπλέον εξετάζεται η ικανότητα γενίκευσης τους καθώς και η επίδραση της επαύξησης των δεδομένων στα scores των πειραμάτων. Τέλος παρατίθενται τα συμπεράσματα περί της επίδοσης των μοντέλων και συζητούνται μελλοντικές επεκτάσεις που μπορούν να βελτιώσουν την επίδοση τους στο έργο της τμηματοποίησης ιατρικής εικόνας.