Помимо выявления патологических отклонений молочной железы, важно отслеживать изменение тканей в динамике. Но это вызывает трудности: на снимках, сделанных в разное время, молочная железа меняет положение в пространстве. Из-за этого растет вероятность ошибки при описании исследования и постановке диагноза.
Здесь решается задача регистрации — процесс пространственного выравнивания изображений. Подход помогает визуально выровнять молочные железы и точнее оценить изменения.
Сейчас развитие методов регистрации ограничено из-за отсутствия общедоступных наборов данных и стандартизированных критериев оценки результатов.
Решение этой проблемы предложили в научной статье эксперты МГУ и «Платформа Третье Мнение».
Авторы статьи представили MGRegBench — первый общедоступный эталонный датасет, разработанный специально для задачи регистрации в маммографии. Он содержит более 5000 пар маммографических исследований, 100 из которых имеют анатомические ориентиры и сегментационные маски, размеченные рентгенологами. Датасет поможет объективно сравнивать разные алгоритмы.
По словам экспертов, научная новизна и вклад исследования заключаются в:
1️⃣ создании первого общедоступного набора данных с ручными лендмарками и масками для маммографической регистрации;
2️⃣ подробном сравнительном анализе методов регистрации в 2D домене;
3️⃣ открытом доступе к коду для тестирования и развития методов.
🔗 Статья, код и данные доступны по ссылке
Здесь решается задача регистрации — процесс пространственного выравнивания изображений. Подход помогает визуально выровнять молочные железы и точнее оценить изменения.
Сейчас развитие методов регистрации ограничено из-за отсутствия общедоступных наборов данных и стандартизированных критериев оценки результатов.
Решение этой проблемы предложили в научной статье эксперты МГУ и «Платформа Третье Мнение».
Авторы статьи представили MGRegBench — первый общедоступный эталонный датасет, разработанный специально для задачи регистрации в маммографии. Он содержит более 5000 пар маммографических исследований, 100 из которых имеют анатомические ориентиры и сегментационные маски, размеченные рентгенологами. Датасет поможет объективно сравнивать разные алгоритмы.
По словам экспертов, научная новизна и вклад исследования заключаются в:
1️⃣ создании первого общедоступного набора данных с ручными лендмарками и масками для маммографической регистрации;
2️⃣ подробном сравнительном анализе методов регистрации в 2D домене;
3️⃣ открытом доступе к коду для тестирования и развития методов.
🔗 Статья, код и данные доступны по ссылке