En strategisk och samarbetslösning för systemisk storskalig annotering av medicinska bilddata

Viktiga resultat som projektet gav

Vi uppfyller i stort sett det första forskningsmålet. Vi porterade först vår interaktiva segmenteringsmjukvara MiaLab till webbapplikationer via webbmontering eller och integrerade dem med OHIF-plattformen. Vi uppfyllde också det andra forskningsmålet, där vi integrerar en djupinlärningsbaserad lunglobssegmentering med det interaktiva bildsegmenteringsverktyget för strategisk lungcancerprovprompt och iterativ modell + etikettförfining.

Långsiktiga effekter som förväntas

Som ett resultat av det föreslagna projektet utvecklade vi ett webbaserat medicinskt bildanteckningsverktyg som inte behöver någon installation och konfiguration på användarens dator. Den tillhandahåller tre olika sätt att utföra medicinsk 3D-bildanteckning: regionbaserat penselverktyg, nätbaserat skulpteringsverktyg och levelset-baserad smart målare. Den är integrerad med medicinska bildvisaren OHIF. Vi tror att det nya verktyget skulle kunna underlätta ett stort antal medicinska bild-AI-projekt som kräver bildkommentarer från medicinska experter.

Upplägg och genomförande

Fördelen med att porta MiaLab till en WebApp är att användaren inte behöver någon installation. Dessutom är det inte längre bundet till ett specifikt operativsystem. En nackdel är dock att prestandan är sämre än de inbyggda applikationerna. I våra experiment, på moderna datorer, är de tre huvudsakliga anteckningsverktygen fortfarande användbara. En annan nackdel är att den nuvarande Qt-plattformen inte stöder 3D-rendering. Eftersom de flesta av anteckningsuppgifterna görs i 2D-vyer än 3D-vyer, är anteckningsfunktionen fortfarande tillräcklig för de flesta framtida projekt.