Dr Strange Medical Image Sequencing using Gen AI

Secuenciación de imágenes médicas mediante inteligencia artificial generativa.

El proyecto tiene como objetivo cerrar las brechas en la atención médica prediciendo la progresión de la enfermedad utilizando un sistema de inteligencia artificial generativo que analiza la secuencia de imágenes médicas y luego genera la siguiente imagen en secuencia. Este sistema es crucial para mejorar el diagnóstico y la planificación del tratamiento. A pesar de los desafíos como el acceso limitado a datos y tecnología, el proyecto utiliza transformadores de visión (ViT) previamente entrenados con codificador y codificadores automáticos variacionales con capas de codificador y decodificador. Estas capas pronostican imágenes posteriores en la secuencia de un paciente, lo que ayuda a los profesionales de la salud en la planificación del tratamiento y el diagnóstico preciso de la enfermedad. El enfoque del modelo compuesto del proyecto facilita la detección temprana de enfermedades, planes de tratamiento personalizados y una mejor educación médica para médicos y radiólogos. Esto conduce a una mejor gestión de los pacientes y un uso optimizado de los recursos sanitarios.

Empezando

Flujo de datos del sistema

• La siguiente imagen muestra el flujo de datos del proyecto paso a paso.

Arquitectura del sistema

• La siguiente arquitectura es la arquitectura modelo del proyecto.

Dependencias

• Usar una CPU puede llevar mucho tiempo para entrenar el modelo. Utiliza GPU con configuración: 40 GB y 16 núcleos.
• Utilice Vit previamente entrenado como se menciona en la arquitectura del sistema anterior.

Ayuda

• Reemplace la ruta de origen del conjunto de datos en el código con su ruta respectiva.

Instalación

• Utilice .ipynb o .py de Capstone_DrStrange_GenerativeMedicalImageSequencing. Usamos Jupyter Notebook para que los paquetes se instalen de acuerdo con nuestro entorno. Asegúrese de instalar todos los paquetes necesarios y los módulos de importación.
• Hemos dividido nuestro conjunto de datos en Entrenamiento y Validación. Nuestros datos de validación tienen un recuento de imágenes de menos de 20.

Miembros del equipo

Parth Dalal, Ajith Kumar Jalagam, Richa Saraf, Karthick Balajee, Moazzam Mansoob, Bhuvana Yadavalli

Historial de versiones

• Lanzamiento inicial