KI-gesteuerte Klassifizierung der Tumoroperabilität mittels 3D-CT-Scans
Wir haben ein Deep-Learning-Modell entwickelt, das die Operabilität von Tumoren in 3D-CT-Scans unter Verwendung von Patienteninformationen und 3D-CT-Scans klassifiziert. Das Modell kann die Operabilität von Pankreas-Tumoren in 3D-CT-Scans mit einer Genauigkeit von 87% klassifizieren.
Highlights
- Neuartiges Deep-Learning-Modell für Tumoroperabilitäts-Klassifizierung
- Klassifizierung von Pankreas-Tumoren in 3D-CT-Scans
- Vorverarbeitung und Nachbearbeitung von 3D-CT-Scans
- Tiefgreifende Forschung im Bereich medizinische Bildgebung und Deep Learning
Fakten
- Kunde: Universität Basel
- Standort: Zürich, Schweiz
- Jahr: 2024
- Anwendungsfall: Medizinische Bildgebung und Deep Learning
Dieses Projekt, durchgeführt in Zusammenarbeit mit der Universität Basel, konzentriert sich auf die Segmentierung von Pankreas-Tumoren und verwandten anatomischen Strukturen aus 3D-CT-Scans. Es umfasst eine vollständige Pipeline für Vorverarbeitung, Training, Validierung, Testen und Visualisierung von Segmentierungsergebnissen. Wichtige Merkmale umfassen strukturierte Datenverarbeitung, Klassenausgleich und spezialisierte Bewertungsmetriken für Tumorbereiche. Das System ist darauf ausgelegt, sowohl die Entwicklung als auch die Analyse von medizinischen Bildsegmentierungsergebnissen zu unterstützen, mit visuellen und quantitativen Ausgaben zur Unterstützung der Leistungsüberwachung.
