Deep learning for medical X-ray imaging

הרקע לפרויקט:

בשיתוף עם המעבדה של פרופ' שרון שוורץ, הקבוצה שלנו מפתחת שיטות חדשות לדימות רפואי ותעשייתי באמצעות קרני רנטגן בעלות מבנה מרחבי. הדגמנו שיפור ברזולוציה ובמסגרת סימולציה גם הורדה בכמות הקרינה המייננת. חלק חשוב בכיוון מחקר זה, וגם בפרויקט המוצע, הוא שימוש בלמידה עמוקה על מנת לאמן רשת נוירונים בכדי לשפר את שחזור התמונות שמתקבלות במעבדה.

מטרת הפרויקט:

ההישג המצופה הוא שחזור מוצלח של תמונות X-ray בקונטקסט רפואי תוך שימוש ב-dataset מוגבל ורועש. התוצר הסופי יהיה קוד עובד שבאמצעתו ניתן לקבל קלט חדש מהמעבדה ולייצר תמונה משוחזרת (תוך שימוש בלמידה מוקדמת של datasets דומים).

תכולת הפרויקט:

היכר עולמות התוכן הרלוונטיים: ghost imaging, compressed sensing, supervised learning. השוואה בין מספר ארכיטקטורות למימוש הרשת, אימון הרשת ובחינתה. הפרוייקט יכלול עבודה עם מידע סימולטיבי ומידע שהתקבל מגלאים במעבדת שוורץ ושחזור תמונות של עצמים כגון עצמות, מפרקים וכו'.

קורסי קדם:

השאיפה היא שלסטודנטים בפרוייקט יהיה ידע בסיסי באופטיקה ותכנות בפייתון וכן כמה שיותר קורסים בלמידת מכונה (ניתן לקחת במקביל).

מקורות:

https://arxiv.org/abs/2305.12468