W dziedzinie badań klinicznych i opieki zdrowotnej tradycyjne podejście w uczeniu głębokim polegające na wykorzystaniu dużych zbiorów danych jest trudne w realizacji. Przyczyną takiego stanu rzeczy są koszty znakowania obrazów medycznych, zwłaszcza w przypadku segmentacji obrazów medycznych. Jest to żmudna operacja, która zazwyczaj wymaga intensywnego znakowania pikseli wykonanego przez ekspertów – lekarzy. W tym rozdziale zaprezentowano podejście bazujące na wykorzystaniu metod uczenia maszynowego w semantycznej segmentacji obrazów medycznych. Celem badań była taka realizacja segmentacji, aby zminimalizować konieczną liczbę pełnych adnotacji na wybranym zbiorze danych. W tym celu zaproponowano użycie sieci nnU-Net. Skupiono się na zbadaniu, czy uczenie modelu z wykorzystaniem ograniczonej liczby adnotacji jest możliwe.
Authors
Additional information
- Category
- Publikacja monograficzna
- Type
- rozdział, artykuł w książce - dziele zbiorowym /podręczniku o zasięgu krajowym
- Language
- polski
- Publication year
- 2022
