DICOM PHI MONAI Pipeline

دریافت تصاویر DICOM، حذف اطلاعات شناسایی شخصی (PHI) مطابق با استاندارد DICOM PS3.15، قطعه‌بندی سه‌بعدی مبتنی بر MONAI و اجرای مدل استنتاج روی Kubernetes همراه با CI/CD و مانیتورینگ.

ویژگی‌ها
حذف اطلاعات هویتی (De-identification): ابزار CLI دسته‌ای با Python به‌همراه میکروسرویس HTTP با Go؛ شامل نگاشت مجدد یکپارچه‌ی PatientID، جابه‌جایی تاریخ‌ها به‌صورت مجزا برای هر بیمار، نگاشت مجدد UIDها، ثبت رویدادهای ممیزی (Audit Trail) و امکان اسکن اختیاری PHI درج‌شده داخل تصویر با EasyOCR
خط لوله (Pipeline): ذخیره‌ی متادیتا در PostgreSQL، ذخیره‌ی داده‌های پیکسلی در MinIO/S3 و استفاده از CacheDataset و Transformهای MONAI
آموزش (Training): مدل پایه‌ی 3D U-Net، رهگیری آزمایش‌ها با MLflow، ساختار MONAI Bundle به‌همراه Model Card
سرویس‌دهی مدل (Serving): استفاده از FastAPI با endpoint /predict/dicom-seg برای پردازش DICOM با pydicom و highdicom، به‌همراه متریک‌های Prometheus
عملیات و زیرساخت (Ops): Docker Compose، manifestهای مربوط به kind/minikube و GitHub Actions CI