Detección y segmentación de defectos y anomalías en imágenes de rayos X

Las herramientas basadas en el Deep Learning ayudan a detectar y segmentar las anomalías de las imágenes de rayos x

X-ray lung segmentation using red heatmapping

Productos relacionados

In-Sight D900

In-Sight D900

Impulsado por el software para visión basado en el Deep Learning In-Sight ViDi

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Entorno de programación gráfica para análisis de imágenes industriales basado en el Deep Learning

La investigación de anomalías biológicas en imágenes de rayos x radiológicas, ultrasonidos y RMN ha requerido tradicionalmente la flexibilidad de la inspección humana. Hoy en día, las herramientas de segmentación y detección de defectos basada en el Deep Learning pueden ayudar a identificar las anomalías de las imágenes médicas de forma rápida y precisa. Ya sea buscando una anomalía específica o cualquier desviación de la apariencia normal del cuerpo, Cognex Deep Learning combina la flexibilidad de la inspección humana con la velocidad y la solidez de un sistema computarizado.

La herramienta de detección de defectos se puede usar para inspeccionar una imagen médica de rayos X o detectar defectos en una imagen ultrasónica simplemente aprendiendo la apariencia normal de un objeto, incluidas sus variaciones significativas pero tolerables. La herramienta de detección de defectos desarrolla un modelo de referencia de la apariencia normal de un órgano, así como tipos específicos de anomalías, basado en el entrenamiento en un conjunto de imágenes de muestra. Un experto radiólogo marca las anomalías que se apartan de la fisiología normal de la zona de interés como defectos para un diagnóstico asistido por computadora.

PRODUCTOS DESTACADOS DE COGNEX

ACCESO A ASISTENCIA Y CAPACITACIÓN PARA PRODUCTOS Y MÁS

Únase a MyCognex