נושא הפרוייקט

מספר פרוייקט מחלקה שמות סטודנטים אימייל שמות מנחים

סורק סרטן - עיבוד תמונה  למידה עמוקה

Cancer scan - image processing deep learning II

תקציר בעיברית

כיום, סרטן השד הוא אחד מסוגי הסרטן הנפוצים ביותר אצל נשים. קיימות כיום מספר שיטות כדי לזהות סרטן שד כמו MRI, ממוגרפיה ואולטרסאונד. לכל אחת משיטות אלו יש יתרונות וחסרונות.

הצעה לשיפור חלק מהחסרונות של אותן השיטות היא טומוגרפיה אופטית מפוזרת (טא"מ). זוהי שיטה לא פולשנית שמשתמשת באור באורכי גל בתחום תת אדום קרוב. אור באורכי גל אלו יכול לחדור לעומק של רקמות אנושיות. אנו משתמשים באור שעובר את הרקמה כדי למפות ולשערך את הפרמטרים האופטיים של הרקמה ולזהות אנומליות ברקמה (שחזור התמונה).

שיטה זו בעלת מורכבויות שונות ועל כן בפרויקט זה מטרתינו לאפשר שחזור של תמונת השד התלת מימדית באמצעות שימוש בלמידה עמוקה.

הפיתרון המוצע מתבסס על שימוש ברשת מבוססת הקונבולוציה Unet++ כאשר תהליך הלמידה מתבצע על סימולציית סריקות באורכי גל שונים של רקמת שד תלת מימדית המכילה גידול.

תוצאות הפרוייקט מלמדות כי אכן מתאפשר שחזור מהיר של התכונות האופטיות של הרקמה בהשוואה לשיטות הקיימות ובנוסף, הלימוד האפקטיבי ביותר מתבצע כאשר מאגר המידע מכיל את הסריקות המתבצעות באורך גל יחיד של 900nm או סריקות משולבות של אורכי הגל 700nm ו-1100nm. 



מילות מפתח: טומוגרפיה אופטית מפוזרת, רשתות למידה עמוקה, סרטן השד, שחזור תמונה, סריקת רקמות, סורק לייזר.

תקציר באנגלית

Breast cancer is a prevalent form of cancer affecting women worldwide. Current detection methods like MRI, mammography, and ultrasound have their own strengths and weaknesses. To improve early diagnosis, Diffused Optical Tomography (DOT) is proposed as a viable alternative. DOT employs Near-Infrared light to penetrate deep into the tissue, enabling noninvasive estimation and mapping of tissue optical properties for anomaly detection.

Addressing the complexities of DOT image reconstruction, our project aims to leverage deep neural networks for 3D breast image reconstruction. Specifically, we adopt the Unet++ convolutional neural network and train it on simulated scans of 3D breast tissue obtained from various wavelengths.

The results demonstrate the feasibility of rapidly reconstructing tissue optical properties compared to existing methods. Moreover, the single-wavelength training set at 900nm and the multi-wavelength training set at 700nm and 1100nm were found to be the most effective. These findings emphasize the potential of utilizing these specific wavelength combinations for enhanced breast DOT image reconstruction.



Keywords: Diffuse Optical Tomography, Deep Neural Network, Breast Cancer, Image Reconstruction, Laser Scanner, Tissue Scan