المعالجة المسبقة للصور الطبية
Preprocessing Medical Images
إعادة المعاينة، وتطبيع الشدة، والقص، والتسجيل، ومتى تكون المعالجة نفسها مصدراً للتسرب.
خطوات شائعة
| الخطوة | المقطعية | الرنين |
|---|---|---|
| إعادة المعاينة | نعم، مثل 1×1×1 مم أو تباعد وسيط البيانات | نعم |
| تطبيع الشدة | قص على نافذة ثم تحجيم | Z-score لكل حجم |
| تصحيح الانحياز | لا | N4 غالباً |
| نزع الجمجمة | حسب المهمة | شائع في الدماغ |
| القص | حول منطقة الاهتمام | حول منطقة الاهتمام |
خط معالجة بـ MONAI
from monai.transforms import (Compose, LoadImaged, EnsureChannelFirstd, Orientationd,
Spacingd, ScaleIntensityRanged, CropForegroundd)
pre = Compose([
LoadImaged(keys=["image", "label"]),
EnsureChannelFirstd(keys=["image", "label"]),
Orientationd(keys=["image", "label"], axcodes="RAS"),
Spacingd(keys=["image", "label"], pixdim=(1.5, 1.5, 2.0), mode=("bilinear", "nearest")),
ScaleIntensityRanged(keys=["image"], a_min=-175, a_max=250, b_min=0.0, b_max=1.0, clip=True),
CropForegroundd(keys=["image", "label"], source_key="image"),
])لاحظ mode=("bilinear", "nearest"): استيفاء خطي للصورة وأقرب جار للقناع.
التوجيه
وحّد التوجيه (مثل RAS) لكل البيانات؛ اختلاف التوجيه بين المراكز يسبب أخطاء صامتة.
تجنب التسرب
- التطبيع بإحصاءات البيانات كلها: احسبها من التدريب فقط، أو استخدم تطبيعاً لكل صورة.
- اختيار المعاملات بالنظر إلى بيانات الاختبار.
- القص حول الآفة باستخدام القناع الحقيقي وقت الاختبار؛ هذه معلومة غير متاحة عند الاستخدام الفعلي.
وثّق كل خطوة وإصدار كل مكتبة؛ المعالجة المسبقة جزء من النموذج ويجب أن تُطبق بالطريقة نفسها عند النشر.
مصطلحات الدرس
- إعادة المعاينة Resampling
- تحويل الصورة إلى شبكة بكسلات بتباعد مختلف مع استيفاء القيم.
- تصحيح انحياز الحقل Bias Field Correction
- إزالة التغير البطيء غير المرغوب في شدة صور الرنين الناتج عن عدم تجانس المجال، ومن أشهر طرقه N4.
الملخص
المعالجة المسبقة تجعل البيانات متسقة: إعادة المعاينة إلى تباعد موحد، وتطبيع الشدة بما يناسب الوسيلة (نافذة HU للمقطعية، وZ-score لكل صورة للرنين)، وقص المنطقة المهمة، وتصحيح انحياز الحقل في الرنين، وأحياناً التسجيل إلى قالب. يجب استخدام الاستيفاء المناسب (خطي أو مكعب للصورة، وأقرب جار للقناع). أي إحصاءة تُحسب على مستوى البيانات كلها يجب أن تُحسب من بيانات التدريب فقط.
أسئلة مراجعة
-
لماذا نستخدم استيفاء أقرب جار للأقنعة؟
لأن الأقنعة تحمل فئات صحيحة، والاستيفاء الخطي ينتج قيماً وسيطة لا معنى لها.
-
أعط مثالاً على تسرب في المعالجة المسبقة.
حساب متوسط الشدة وانحرافها المعياري على كل البيانات قبل التقسيم ثم استخدامهما للتطبيع.
المصادر والمراجع
إكمال الدرس
أكملت كل دروس المسار! يمكنك الآن طلب شهادة إكمال المسار.
اطلب الشهادة