AI-United » Allgemein » fastMRI: Wettbewerb zur Wiederherstellung tomographischer Bilder

fastMRI: Wettbewerb zur Wiederherstellung tomographischer Bilder

FastMRI ist ein gemeinsames Forschungsprojekt von FAIR und NYU School of Medicine. Das Ziel dieses Projekts liegt darin, die Tomographie um das Zehnfache zu beschleunigen und die Prozedur zugänglicher zu machen. Heute hat Facebook die Tomographieergebnisse bekanntgegeben und den Wettbewerb gestartet. 

Die Aufgabe liegt darin, die anderen Bilder aufgrund eines Teils der Tomographiebilder eines Patienten wiederherzustellen. Dieser Wettbewerb dauert bis zum 19. September.

Im vorigen Jahr publizierte das Projektteam die rohen Ergebnisse der Tomographie und die Referenzmodelle für ihre Analyse. Um den fortgeschrittenen Ansatz (zum Wiederherstellen von Tomographiebildern) zu verbessern, wurde dieser Wettbewerb gestartet.

Das Beispiel der Objekte im Datensatz

Der Arbeitszweck besteht darin, die tomographische Untersuchungstechnik zugänglicher zu machen. Die Tomographieergebnisse sind Bilder, die unnötige Information enthalten. Das lässt die Bilder ohne Qualitätsverlust zusammendrängen. Nun verläuft der Prozess wie folgt: der Patient durchläuft das MRT-Gerät und der Arzt wartet, bis das Gerät die Resultate für jedes Bild liefert. Der Hauptnachteil der aktuellen Prozedur ist die große Zeitaufwendung. Die Methode, die die Wissenschaftler vorschlagen, liegt darin, einige der Rohmessungen zu sammeln. Dann soll man das Neuronennetz auf sie lehren. Dieses Neuronennetz wird ein komplettes tomografisches Bild basierend auf einem Teil von Messungen wiederherstellen. Das Sammeln eines Teils der Bilder erfordert weniger Zeit zur Untersuchung des Patienten.

Der Datensatz von FastMRI ist jetzt der größte öffentliche Datensatz der tomografischen Untersuchungen. Die Wettbewerbsteilnehmer müssen nur die vorgeschlagenen Daten einsetzen. Die Aufgabe besteht in der Rekonstruktion der Ergebnisse der Knietomographie. Die Metrik zur Einschätzung der Qualität von den Modellen ist Structural Similarity measure (SSIM).

Die Gewinner werden eingeladen, ihre Architektur auf Medical Imaging Meets NeurIPS Workshop von NeurIPS 2019 zu präsentieren.

Quelle
AI-United-Redaktion

Kommentar hinzufügen

Your email address will not be published. Required fields are marked *

300-101   400-101   300-320   300-070   300-206   200-310   300-135   300-208   810-403   400-050   640-916   642-997   300-209   400-201   200-355   352-001   642-999   350-080   MB2-712   400-051   C2150-606   1Z0-434   1Z0-146   C2090-919   C9560-655   642-64   100-101   CQE   CSSLP   200-125   210-060   210-065   210-260   220-801   220-802   220-901   220-902   2V0-620   2V0-621   2V0-621D   300-075   300-115   AWS-SYSOPS   640-692   640-911   1Z0-144   1z0-434   1Z0-803   1Z0-804   000-089   000-105   70-246   70-270   70-346   70-347   70-410