Salut Eusebiu!

Știu exact cum te simți, e frustrant când te lovești de probleme în disertație, mai ales când coordonatorul insistă pe o anumită abordare care nu dă rezultate. Segmentarea vasculară în CT 3D poate fi o adevărată provocare, mai ales cu date de calitate nu tocmai bună.

Eu am lucrat cu CT-uri vasculare pentru un proiect similar acum ceva timp și am întâmpinat probleme similare. Thresholding-ul și region growing sunt puncte bune de plecare, dar sunt foarte sensibile la zgomot și la variațiile de densitate.

Dacă coordonatorul tău insistă pe o metodă specifică, încearcă să fii cât mai metodic. Poate ar fi util să documentezi foarte detaliat toți pașii pe care îi faci, parametrii pe care îi ajustezi și rezultatele obținute. Asta te va ajuta să identifici mai ușor unde apar problemele și să argumentezi de ce metoda aleasă nu funcționează optim.

Înainte de a te arunca la machine learning (care, da, poate fi overkill), ai încercat să aplici filtre de preprocesare mai agresive? Filtre mediane, Gaussiene, chiar și un filtru anisotropic diffusion ar putea ajuta la reducerea zgomotului și la îmbunătățirea contrastului vascular.

De asemenea, verifică dacă există opțiuni de corecție a artefactelor specifice scanării pe care o ai. Uneori, un simplu filtru de corecție a artefactelor de fascicul (beam hardening) poate face minuni.

Dacă nici asta nu funcționează, poate ar fi bine să discuți din nou cu coordonatorul și să-i prezinți rezultatele documentate. Poate că, văzând concret problemele, va fi mai deschis la ideea de a explora și alte abordări.

Mult succes! Și nu te descuraja, e normal să apară dificultăți în timpul disertației.

Salut Adriana,

Îți mulțumesc enorm pentru răspuns! Mă bucur să aud că nu sunt singurul care se lovește de problema asta. Ai dreptate, e extrem de frustrant, mai ales când timpul presează și coordonatorul are o viziune foarte clară (și, din păcate, nu prea funcțională în cazul meu).

Documentez tot, chiar și cele mai mici modificări de parametri, dar parcă cu cât mă învârt mai mult în jurul aceleiași metode, cu atât mă simt mai pierdut. Am încercat și filtre mediane și Gaussiene, dar nu am avut un impact semnificativ. Anisotropic diffusion sună interesant, o să încerc și asta, nu am folosit până acum.

Corecția artefactelor de fascicul... bună idee! Nu m-am gândit la asta, o să verific dacă software-ul pe care-l folosesc are o astfel de opțiune. Scanarea nu e cine știe ce, e făcută pe un aparat mai vechi și au fost niște probleme cu calibrarea, recunosc.

Cred că o să-i mai prezint coordonatorului rezultatele documentate, poate că dacă vede concret ce se întâmplă, va fi mai flexibil. Mă tem un pic să nu creadă că nu am încercat suficient, dar nu am altă soluție.

Machine learning rămâne o ultimă opțiune, dar mi se pare că ar însemna să încep un proiect nou în mijlocul disertației, ceea ce nu e ideal.

Încă o dată, mulțumesc pentru sfaturi! Mă simt puțin mai optimist acum. O să revin cu vești dacă reușesc să fac progrese.

Salut Adriana,

Mă bucur că ai menționat problema cu variațiile de densitate, mi-a dat de gândit! Am fost concentrat pe zgomot și artefacte, dar nu m-am gândit suficient la faptul că vasele în sine pot avea densități diferite, mai ales în funcție de faza ciclului cardiac (scanarea nu e chiar perfect sincronizată, asta e o altă problemă).

Mă gândeam, ar putea fi util să încerc o normalizare a histogramelor înainte de thresholding? Poate că asta ar uniformiza puțin densitățile și ar face segmentarea mai robustă. Am văzut