Ricostruzione tomografica con deep learning
Disegna una sezione o caricane una, simula lo scanner con i suoi errori e confronta la retroproiezione filtrata con la U-Net addestrata. Tutto gira nel tuo browser, nessun dato inviato.
Sezione
Griglia 256 × 256. Viene scansionato solo il cerchio inscritto. I pixel con densità sopra 0,90 contano come metallo.
Scanner ed errori
Sinogramma
FBP
U-Net
Originale
fantoccio| vs. fantoccio | PSNR dB | SSIM |
|---|---|---|
| FBP | – | – |
| U-Net | – | – |
| Guadagno | – | – |
Il modello e la simulazione
Rete. U-Net a 4 livelli, da 64 a 1024 filtri, 31,0 milioni di parametri. Riceve l'immagine FBP e restituisce la sezione corretta. I pesi sono il miglior checkpoint dell'addestramento all'epoca 33 (loss di validazione 0,00228), con la BatchNorm incorporata nelle convoluzioni e pesi int8 (31 MB). Su 48 sezioni di validazione simulate da questa pagina il PSNR passa da 22,1 dB (FBP) a 42,6 dB (U-Net).
Scanner. Fasci paralleli, proiezioni su 180°, 256 rivelatori, gli stessi calcoli di skimage.radon / iradon con filtro rampa. Gli errori sono applicati in unità fisiche (0,02 per pixel): indurimento del fascio p − c·p², raggi nel metallo moltiplicati per 1,5 con rumore aggiuntivo, poi rumore di Poisson con I₀ fotoni per raggio.
Dati di addestramento. Cerchi, ellissi e poligoni casuali combinati in modo che prevalga la forma più densa, più una variante di Shepp-Logan. Tutte le scansioni con 10 000 fotoni, indurimento 0,20, artefatti da metallo e 180 proiezioni. Gli esempi anatomici e le impostazioni diverse sono fuori da questo dominio: mostrano dove il modello generalizza e dove no. Grandi zone uniformi racchiuse da tessuto più denso, come il cervello dentro il cranio, sono un punto debole noto. È una simulazione 2D con densità normalizzate, non uno strumento diagnostico.
Verifica. Al caricamento la rete elabora un ritaglio 64×64 e confronta il risultato con l'uscita del modello originale in Python: l'esito compare in alto a destra.
Scorciatoie. Ctrl+Z annulla. Poligono: clicca per aggiungere vertici, clicca il primo o premi Invio per chiudere, Esc per annullare. Tieni premuto Shift per cerchi e quadrati.
Dalla demo al progetto
Le stesse tecniche si applicano a controlli non distruttivi, ricostruzioni da pochi dati e correzione di artefatti in immagini mediche e industriali. Partiamo dai vostri dati e dal vostro sensore, definiamo con voi le metriche che contano, addestriamo e validiamo il modello su casi reali e lo integriamo nel flusso di ispezione o di misura.