gitea/monorepo-ai-medical
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

Spleen Segmentation (ม้าม)

Browse Source
This commit is contained in:
Flook 2025-11-07 05:27:24 +07:00
parent 2186016f23
commit 6f1241d437
1 changed files with 0 additions and 6 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

6
ai-medical/app.py
View File

@ -182,7 +182,6 @@ async def spleen_segmentation(file: UploadFile = File(...)):
predictor=model, overlap=0.5, mode="gaussian" predictor=model, overlap=0.5, mode="gaussian"
) )
# ... (Softmax/Sigmoid/Argmax Logic - เหมือนเดิม) ...
if prediction_raw.shape[1] > 1: if prediction_raw.shape[1] > 1:
prediction_prob = torch.softmax(prediction_raw, dim=1) prediction_prob = torch.softmax(prediction_raw, dim=1)
segmentation_map = torch.argmax(prediction_prob, dim=1).cpu().numpy()[0] segmentation_map = torch.argmax(prediction_prob, dim=1).cpu().numpy()[0]
@ -202,11 +201,6 @@ async def spleen_segmentation(file: UploadFile = File(...)):
spleen_voxels = int(np.sum(segmentation_map == 1)) spleen_voxels = int(np.sum(segmentation_map == 1))
# ต้อง Inverse Transform Segmentation Map กลับไปยัง Spacing เดิม
# อย่างไรก็ตาม ในการใช้งานจริง มักใช้ Voxel Volume ของ Resampled Image (ซึ่งมี Spacing คงที่)
# เนื่องจาก Monai/Inferer มักจะทำการ Resample ก่อน และ Volume Calculation ในงานวิจัย
# ส่วนใหญ่จะใช้น้ำหนัก Spacing หลัง Resample แล้ว (target_spacing) เพื่อรักษาความสม่ำเสมอ
# เราจะใช้ target_spacing เพื่อความสอดคล้องกับ Segmentation Map ที่ได้ # เราจะใช้ target_spacing เพื่อความสอดคล้องกับ Segmentation Map ที่ได้
resampled_voxel_volume_mm3 = float(np.prod(target_spacing)) resampled_voxel_volume_mm3 = float(np.prod(target_spacing))