Рекомендации для моделей на основе CNN для выполнения объемного анализа медицинских изображений (вариант использования в ⇐ Python

[Anonymous]

Я начинаю работу над проектом по медицинской визуализации в области онкологии, в частности, с акцентом на анализ рака молочной железы.
Моя цель — создать модель глубокого обучения с использованием сверточных нейронных сетей (CNN), которая может обрабатывать непосредственно полученные изображения (медицинские изображения, такие как МРТ, КТ или клинические изображения высокого разрешения), чтобы:

• Выполнять сегментацию опухолей или областей интереса
• Вычислять объемные измерения
• Поддерживать принятие клинических решений для мастологов и рентгенологов

Я хотел бы запросите рекомендации по:

• архитектуре CNN или моделям глубокого обучения, которые хорошо подходят для объемного анализа в онкологии (например, 2D и 3D CNN).
• Такие модели, как U-Net, 3D U-Net, V-Net, nnU-Net или Mask R-CNN подходят для задач такого типа.
• Рекомендации по работе с наборами данных медицинских изображений (стратегии аннотаций, предварительная обработка, нормализация и увеличение).
• Инструменты или платформы, обычно используемые в производственных или исследовательских средах (например, PyTorch, TensorFlow, MONAI).

Меня особенно интересуют модели, которые могут обрабатывать объемные данные и производить надежные измерения, которые могут быть полезны в реальном клиническом рабочем процессе.
Будем очень признательны за любые рекомендации, ссылки или практический опыт.

Подробнее здесь: https://stackoverflow.com/questions/798 ... -medical-i