Medical Imaging Toolbox는 진단 영상 응용 사례를 설계하고 테스트하기 위한 앱, 함수, 워크플로를 제공합니다. 사용자는 방사선 영상의 3차원 렌더링과 시각화, 다중모달 정합, 분할, 레이블 지정을 수행할 수 있습니다. 이 툴박스를 통해 미리 정의된 딥러닝 신경망을 훈련시킬 수도 있습니다(Deep Learning Toolbox 사용).
엑스레이 영상, CT(컴퓨터 단층촬영), MRI(자기공명영상), US(초음파), PET 및 SPECT(핵의학) 등 다양한 영상 모달리티로 얻은 방사선 영상을 가져오고 전처리하고 분석할 수 있습니다. Medical Image Labeler 앱을 통해 AI 워크플로에서 사용할 수 있는 2차원 및 3차원 레이블 지정 작업을 반자동화할 수 있습니다. 사용자는 2차원 영상, 3차원 곡면, 3차원 볼륨 등 의료 영상에 다중모달 정합을 수행할 수 있습니다. 이 툴박스는 종단간 컴퓨터 보조 진단과 의료 영상 분석을 위한 통합 환경을 제공합니다.
기능, 문서 및 예제
의료 영상 분야는 인간 및 동물의 내부를 영상화, 시각화, 분석하는 여러 기법이 포함되는 의학 분야입니다. 이를 통해 의사들은 장기, 뼈, 세포 및 다양한 생리학적 과정을 시각화하고 의학적 상태를 진단, 모니터링, 치료할 수 있습니다. 영상은 엑스레이, 초음파, CT, MRI, 핵의학 영상 같은 다양한 방사선 모달리티 및 병리학용 현미경을 사용하여 생성됩니다.
ground truth 레이블 지정
의료 영상 레이블 지정기 앱 을 사용해 대화형 방식으로 ground truth 데이터에 레이블을 지정하고, 레이블 지정 공정을 반자동화 또는 자동화하며, 사용자 지정 알고리즘이나 MedSAM 및 MONAI Label 등의 딥러닝 기법을 사용하고, AI 워크플로를 위해 레이블이 지정된 데이터를 내보낼 수 있습니다.
분할
전통적인 기법 또는 MedSAM과 같은 딥러닝 기법을 사용해 2차원 영상 또는 3차원 볼륨을 뼈, 종양, 장기 등의 영역으로 분할하고 해당 영역의 정확도를 평가할 수 있습니다.
제품 관련 자료:
“Medical Imaging Toolbox를 통해 몇 번의 클릭만으로 전체 데이터셋을 불러오고 3차원 렌더링을 만들 수 있습니다. 이 기능과 데이터를 내보낼 수 있는 기능이 있다는 것이 중요합니다. 즉, 각각의 새로운 설계에서 처음부터 시작할 필요가 없습니다. 표준이며 효과적임을 이미 알고 있는 것을 활용할 수 있습니다. 덕분에 각각의 새 설계에서 몇 주의 시간을 절약할 수 있습니다.”
