חיית גרינשפן

חיית גרינשפן (נולדה ב־25 באוקטובר 1963) היא מהנדסת חשמל, פרופסור מן המניין באוניברסיטת תל אביב במחלקה להנדסה ביו רפואית, ראש המעבדה לעיבוד וניתוח תמונה רפואית. פרופ' גרינשפן היא בין המובילים של תחום הלמידה העמוקה בעולם התמונות הרפואיות. פרופ' גרינשפן חברה פעילה בארגונים מקצועיים בינלאומיים, חברה בצוות העורכים של הספר “MICCAI-Elsevier”. היא זכתה בפרסים רבים לרבות מקום ראשון ב-“ImageCLEF competition” בשנים 2008 ו- 2009, וב- “IEEE-ISBI” בשנים 2016 ו-2017 בזכות מחקרה על שליפת תמונות רפואיות מארכיונים גדולים (Picture Archiving and Communication System - PACS).

ביוגרפיה

חיית נולדה בעיר קורנל שבמדינת ניו יורק, ארצות הברית. בגיל 4 עלתה עם משפחתה לישראל וגדלה בבאר שבע. בילדותה בילתה תקופות ארוכות עם משפחתה בארצות הברית, עקב פעילותו אקדמית של אביה. בשנת 1979, כאשר הייתה בת 16 חזרה לארצות הברית למדה שנה באוניברסיטה ואז חזרה לארץ והתגייסה לצבא. עם סיום השירות הצבאי החלה ללמוד הנדסת חשמל בטכניון.

פרופ' גרינשפן בעלת תואר ראשון בהנדסת חשמל ומחשבים ותואר השני בהנדסת חשמל מהטכניון. את התזה עשתה בנושא ניתוח תמונה באוריינטציה במרחבים ומיקומים משולבים. בשנת 1994 קיבלת פרופסור גרינשפן תואר "דוקטור" מהמכון הטכנולוגי של קליפורניה. בעבודת הדוקטורט שלה עסקה בעיבוד תמונה ברזולוציות מרובות, למידת זיהוי מרקמים ושיפור תמונה.

עבודה מדעית

פרופ' חיית גרינשפן היא ראש המעבדה לעיבוד תמונות רפואיות באוניברסיטת תל אביב. היא פיתחה כלים אוטומטיים המבוססים על שיטות מתקדמות בראייה ממוחשבת, מערכות לומדות ובינה מלאכותית ככלי עזר בפיענוח בדיקות X-RAY, CT ו-MRI. כלים אלה מאפשרים פיענוח יעיל, מהיר ומדויק של סריקות רפואיות, החשובים הן לאבחון מחלות והן למדידה מדויקת של שינויים במחלה במהלך הטיפול.

במעבדה של גרינשפן מתנהלים מספר מחקרים בתחום עיבוד וניתוח התמונה רפואית לדוגמה: גילויים דחופים בתמונות X-RAY בבית החזה, גילוי של נגעים בתמונות MRI של המוח ואנליזה אוטומטית של גידולים בכבד בבדיקות CT.

בשנת 2020 פיתחה שיטה לאבחון נגיף הקורונה Covid-19 באמצעות תוצאות רדיולוגיה מבדיקת CT של הריאות. בנוסף פיתחה פרופ' גרינשפן שיטה לאפיון חומרת המחלה אשר יכולה לשמש כמדד לניטור יעיל, מדויק ומהיר. כלים אלה מסייעים בזיהוי מגמות של החמרה או שיפור כבר בראשיתן ומאפשרים טיפול תרופתי יעיל יותר לצד שימוש יעיל יותר במשאבי בתי החולים.

תחומי מחקר

• עיבוד וניתוח תמונה רפואית.
• למידה עמוקה בהדמיה רפואית.
• ניתוח סטטיסטי של מודלים רפואיים.
• ניתוח תמונת MRI של המוח, במסגרת בית הספר לחקר המוח ומדעי המוח של אוניברסיטת תל אביב, אשר מטרתו שיפור הרזולוציה בתמונות MRI, טיפול במחלות נוירולוגיות וטרשת נפוצה.
• זיהוי נגעים בעזרת CT, התמקדות בנגעי כבד - איתור, פילוח ואפיון בשיתוף פעולה עם מחלקת רדיולוגיה, באוניברסיטת סטנפורד והמרכז הרפואי שיבא, ישראל .
• ניתוח תמונה המתקבלת מממוגרפיה לזיהוי הסתיידות בשד ואיתור גידולים סרטניים בשלבים מוקדמים תוך שימוש במתודולוגיות למידה עמוקה.
• אבחון מחלות ריאות באמצעות CT.
• ניתוח תמונות הרחם וצוואר הרחם לאבחון ואפיון סרטן.
• שליפת תמונות רפואיות מארכיונים גדולים (Picture Archiving and Communication System - PACS).

תרומה מחקרית

פרופ' גרינשפן היא בין המובילים של תחום הלמידה העמוקה בעולם התמונות הרפואיות. יחד עם המעבדה באוניברסיטת תל אביב ושותפים קליניים ברחבי העולם, הוכיחה שימושים רבים בתחום: משיפור ויצירה סינתטית של תמונות נגעים על מנת לפתח מערכות זיהוי אוטומטיות של סוגי נגעים שונים וממאירותם, ועד קיטלוג ואפיון דרגת מחלה. בשנת 2016 גרינשפן ערכה עיתון מוביל בתחום, אשר צוטט מעל 1,000 פעמים, ובשנת 2017 פרסמה ספר ראשון בתחום: "Deep learning for Medical Image Analysis".

פרסומים מקצועיים

בעלת למעלה מ-250 מאמרים מפורסמים בתחום עיבוד תמונות רפואיות. כ־100 מהם, מאז שנת 2015 בתחום הרשתות העמוקות ברפואה, וביניהם:

• H. Greenspan, M. Porat and Y. Y. Zeevi Projection-Based Approach to Image Analysis: The Position-Orientation Space," IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE-PAMI), Vol. 14, No. 11, pp. 1105-1110, 1992.
• H. Greenspan, R. Goodman, R. Chellappa and C. Anderson Learning Texture Discrimination Rules in a Multiresolution System," special issue on “Learning in Computer Vision" IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE-PAMI), Vol. 16, No. 9, pp. 894-901, 1994.
• C. Carson, S. Belongie, H. Greenspan and J. Malik, “Blobworld: Image Segmentation using Expectation-Maximization and its Application to Image Querying", IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE-PAMI), Vol. 24, No. 8, pp. 1026-1038, August 2002.
• H Greenspan, A Ruf, J Goldberger, “Constrained Gaussian mixture model framework for automatic segmentation of MR brain images,” IEEE transactions on medical imaging 25 (9), 1233-1245, Aug. 2006.
• H. Greenspan, AT Pinhas, “Medical image categorization and retrieval for PACS using the GMM-KL framework,” IEEE Transactions on Information Technology in Biomedicine, Vol. 11, No. (2), pp. 190-202, March 2007.
• S. Napel, C.F. Beaulieu, C. Rodriguez, J. Cui, J. Xu, A. Gupta, D. Korenblum, H. Greenspan, Y. Ma, D.L. Rubin, “Automated Retrieval of CT Images of Liver Lesions Based on Image Similarity: Method and Preliminary Results," Radiology, Vol. 256, No. 1, pp. 243-252, July 2010.
• U. Avni, H. Greenspan, E. Konen, M. Sharon, J. Goldberger, “X-ray categorization and retrieval on the organ and pathology level, using patch-based visual words,” IEEE Transactions on Medical Imaging Vol. 30, No. 3, 733-746, Nov. 2010.
• G. Zimmerman-Moreno, D. Ben Bashat, M. Artzi, B. Nefussy, V. Dror, O. Aizenstein, H. Greenspan, “Whole Brain Fiber Based Comparison (FBC) a tool for Diffusion Tensor Imaging Based Cohort Studies", Journal of Human Brain Mapping, Vol. 37, Issue 2, pp. 477 - 490, February 2016.
• A. Carass et al., “Longitudinal Multiple Sclerosis Lesion Segmentation: Resource and Challenge," Neuroimage, Vol. 148, pp. 77-102, March 2017.
• Avi Ben-Cohen, Eyal Klang, Ariel Kerpel, Eli Konen, Michal Marianne Amitai, Hayit Greenspan, “Fully convolutional network and sparsity-based dictionary learning for liver lesion detection in CT examinations,” Neurocomputing, Vol. 275, 1585-1594, Jan. 2018.
• M. Frid-Adar, I. Diamant, E. Klang, M. Amitai, J. Goldberger, H. Greenspan, “GAN-based synthetic medical image augmentation for increased CNN performance in liver lesion classification,” Neurocomputing 321, 321-331, Dec. 2018.
• H. Greenspan, RSJ Estépar, WJ Niessen, E. Siegel, M. Nielsen, “Position paper on COVID-19 imaging and AI: From the clinical needs and technological challenges to initial AI solutions at the lab and national level towards a new era for AI in healthcare,” Medical image analysis 66, Dec. 2020.

קישורים חיצוניים

• אתר המעבדה של חיית גרינשפן, במחלקה להנדסה ביו-רפואית באוניברסיטת תל אביב (באנגלית)
• חיית גרינשפן, באתר בגוגל סקולר (באנגלית)

הערות שוליים

הערך באדיבות ויקיפדיה העברית, קרדיט,
רשימת התורמים
רישיון cc-by-sa 3.0

31347701חיית גרינשפן