تسلسل الصور الطبية باستخدام الذكاء الاصطناعي التوليدي.
يهدف المشروع إلى سد فجوات الرعاية الصحية من خلال التنبؤ بتطور المرض باستخدام نظام الذكاء الاصطناعي التوليدي الذي يحلل تسلسل الصور الطبية ثم يولد الصورة التالية بالتسلسل. هذا النظام ضروري لتعزيز التشخيص وتخطيط العلاج. على الرغم من التحديات مثل محدودية الوصول إلى البيانات والتكنولوجيا، يستخدم المشروع محولات الرؤية (ViTs) المدربة مسبقًا مع برنامج التشفير وأجهزة التشفير التلقائي المتغيرة مع طبقات التشفير ووحدة فك التشفير. تتنبأ هذه الطبقات بالصور اللاحقة في تسلسل المريض، مما يساعد متخصصي الرعاية الصحية في تخطيط العلاج والتشخيص الدقيق للمرض. ويسهل النهج النموذجي المركب للمشروع الكشف المبكر عن الأمراض، وخطط العلاج الشخصية، والتعليم الطبي المعزز للأطباء وأخصائيي الأشعة. وهذا يؤدي إلى إدارة أفضل للمرضى والاستخدام الأمثل لموارد الرعاية الصحية.
ابدء
تدفق بيانات النظام
- الصورة أدناه توضح تدفق بيانات المشروع خطوة بخطوة.
هندسة النظام
- الهندسة المعمارية التالية هي الهندسة المعمارية النموذجية للمشروع.
التبعيات
- قد يستغرق استخدام وحدة المعالجة المركزية الكثير من الوقت لتدريب النموذج. استخدم وحدة معالجة الرسومات (GPU) مع التكوين: 40 جيجابايت و16 مركزًا.
- استخدم Vit المدرب مسبقًا كما هو مذكور في بنية النظام أعلاه.
يساعد
- استبدل مسار مصدر مجموعة البيانات في التعليمات البرمجية بالمسار الخاص بك.
التثبيت
- استخدم إما .ipynb أو .py من Capstone_DrStrange_GenerativeMedicalImageSequencing. لقد استخدمنا Jupyter Notebook بحيث يتم تثبيت الحزم وفقًا لبيئتنا. تأكد من تثبيت جميع الحزم الضرورية ووحدات الاستيراد.
- لقد قسمنا مجموعة البيانات الخاصة بنا إلى التدريب والتحقق من الصحة. تحتوي بيانات التحقق الخاصة بنا على عدد صور أقل من 20.
أعضاء الفريق
بارث دلال، أجيث كومار جالاجام، ريشا ساراف، كارثيك بالاجي، معظم منصوب، بوفانا يادافالي
تاريخ الإصدار