Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Mellkas röntgen felvételeket elemző CAD rendszer pontosságának javítása Önálló Laboratórium II. Készítette: Varga Róbert Konzulens:

Hasonló előadás


Az előadások a következő témára: "Mellkas röntgen felvételeket elemző CAD rendszer pontosságának javítása Önálló Laboratórium II. Készítette: Varga Róbert Konzulens:"— Előadás másolata:

1 Mellkas röntgen felvételeket elemző CAD rendszer pontosságának javítása Önálló Laboratórium II. Készítette: Varga Róbert Konzulens: Dr. Horváth Gábor BME Méréstechnika és Információs Rendszerek Tanszék Intelligens Rendszerek Szakirány

2 Kiindulási állapot I. Tanszéken fejlesztett CAD rendszer Képenként körülbelül 4 fals pozitív jelöltet generál Önálló Laboratórium I. keretében megvalósult: Érkiemelő képfeldolgozási eljárás (MATLAB) Kb. 2500X2500 méretű képen kb. 27 sec futási idő Képi jellemzők előállítása (kb. 40 feature) Képenkénti feldolgozási idő kb. 4-5perc AdaBoost tanuló eljárás tanítása a jellemzőkkel (RapidMiner)

3 Kiindulási állapot II. Érkiemelő eljárás A kisebb méretű, érhálózattal összekötött daganatos elváltozásokat hajlamos kiemelni AdaBoost eljárás A kivonatolt jellemzők alapján a teszt halmazon gyenge eredmények Az érkiemelő eljárás mellett egy kerekárnyék kiemelő szűrő megvalósítása. A kimeneti képek alapján további jellemzők származtatása

4 Ér és kerekárnyék kiemelő eljárás Érkereső eljárás Kerekárnyék kiemelő eljárás

5 Bemeneti kép

6 Érkiemelő szűrő Dist = 5 6 kör 16 irány

7 Érkiemelő szűrő Dist = 10 6 kör 16 irány

8 Érkiemelő szűrő Dist = 20 6 kör 16 irány

9 Kerekárnyék kereső Dist = 10 6 kör 16 irány

10 Kerekárnyék kereső Dist = 20 6 kör 16 irány

11 AdaBoost Tanuló eljárás I. Kép #Jelölt #Negatív #Pozitív # Tanító Teszt Összesen Mintahalmazok paraméterei: Képek alapján kb. 100 darab jellemző A mintapontokat egyszintű döntési fa (Decision Stump) súlyozza A „legjobb” jellemző-halmaz megtalálása Forward Selection eljárás futtatásával A Forward Selection eljárás a tanító halmazon ötszöri keresztvalidálás mellett értékeli az AdaBoost (T = 160) teljesítményét

12 AdaBoost (Tanítás) A célfeladat szempontjából kb. 95% feletti érzékenység fogadható el

13 AdaBoost (Tesztelés) A tesztek során átlagosan 15% FP jelöltett dobott el A tanító és teszthalmaz összevonásával (mintaszám növelés) a keresztvalidáció és Bootsrap validáció során hasonló eredmények adódtak

14 Kapott eredmények kiértékelése A CAD rendszer esetében 0.6 –tal kevesebb fals jelölt képenként A mintaszám növelésével nem kaptunk jobb eredményt Továbblépési alternatívák 1. További jellemzők származtatása 2. Más eljárások felkutatása, alkalmazása 3. Kiemelő szűrők továbbfejlesztése

15 Szűrő továbbfejlesztése A kerekárnyékok nem minden esetben kör alakúak Az erek nem csak vonalas alakzatok lehetnek a röntgenképeken Célszerű lehet a kerekárnyékoktól különböző régiók kiemelése A szűrők implementációs módosításával más jellegű régiók kerülnek kiemelésre Felmerülő feladatok: A szűrők elrendezési sémájának megváltoztatása és hatásának vizsgálata Az implementációban történő módosítás hatásának kiértékelése

16 Elrendezési séma módosítása Elliptikus pályájú szűrő lehetővé teheti: Körszerű vagy nyújtottabb, vonalas alakzatok kiemelése Különböző irányba néző ellipszisek és mintapontok Irányérzékeny / irányérzéketlen implementációk Szimmetrikus / aszimmetrikus alakzatok kiemelése

17 Elrendezési séma paraméterei Paraméter neveJelölésRövid leírás Körök számaiA koncentrikus ellipszisek számát adja meg Mintavételi pontok száma j Az ellipszisen j darab 2π/j radiánonként elhelyezkedő mintavételi pont Ellipszisek számak Az egyes körökön k darab, π/k radián irányoba néző ellipszis Körök távolságadistance A koncentrikus ellipszisek közötti lépésköz nagyságát adja meg. A paraméterrel szabályozhatjuk a szűrő méretét Ellipszis X tengelyXratio Az ellipszis X irányú kiterjedését adja meg, X ratio =Yratio esetén kört kapunk. Ellipszis Y tengelyYratioAz ellipszis Y irányú kiterjedését adja meg

18 Elliptikus Max-Min szűrő Mintavételi pontra do for( m=0; m < count – 1; m++) { k = (i – mod_Offset) % modulus if( k == m) { }

19 Max-Min szűrő paraméterei Speciális esetben az osztályokba tartozó mintavételi pontok 2π/modulus radiánnal történő forgatását jelöli ki. Paraméter neve Jelentése modulusA bejárási sorrend szerint minden modulus –adik mintavételi pontot jelöli ki. Összesen modulus darab mintapont osztály, darab mintavételi ponttal countA különbségképzésnél figyelembe veendő osztályok száma. count = modulus esetén az összes mintavételi pont szerepel a különbségképzésben mod_Offset A különbségképzésnél pontosztályok sorrendjének megváltoztatása (melyik osztály pontjaival kezdjük a különbségképzést)

20 i=3 j = 16 k= 6 modulus = 3, bejárási sorrend: ijk

21 Mintavételipontok index sorrendje

22 Köszönöm a figyelmet! Demo


Letölteni ppt "Mellkas röntgen felvételeket elemző CAD rendszer pontosságának javítása Önálló Laboratórium II. Készítette: Varga Róbert Konzulens:"

Hasonló előadás


Google Hirdetések