Ταξινόμηση εικόνων ασύρματης ενδοσκόπησης με τη χρήση της μεθόδου Bag of Words

Διπλωματική Εργασία uoadl:2872925 40 Αναγνώσεις

Μονάδα:
Κατεύθυνση Πληροφορική στην Ιατρική
Πληροφορική
Ημερομηνία κατάθεσης:
2019-05-03
Έτος εκπόνησης:
2019
Συγγραφέας:
Λούτς Ιωσήφ
Στοιχεία επιβλεπόντων καθηγητών:
Περαντώνης Σταύρος, Διευθυντής έρευνας, κέντρο πληροφορικής και τηλεπικοινωνιών, ΕΚΕΦΕ "Δημόκριτος"
Πρωτότυπος Τίτλος:
Ταξινόμηση εικόνων ασύρματης ενδοσκόπησης με τη χρήση της μεθόδου Bag of Words
Γλώσσες εργασίας:
Ελληνικά
Μεταφρασμένος τίτλος:
Ταξινόμηση εικόνων ασύρματης ενδοσκόπησης με τη χρήση της μεθόδου Bag of Words
Περίληψη:
Η ασύρματη ενδοσκόπηση, αποτελεί μία σχετικά καινούρια απεικονιστική μέθοδο,η οποία συμβάλλει σημαντικά στη διάγνωση ενός μεγάλου αριθμού ασθενειών του πεπτικού συστήματος. Το βασικό πρόβλημα που προκύπτει από τη μέθοδο αυτή, αφορά τον υψηλό αριθμό εικόνων που καλείται να εξετάσει ο θεράπων ιατρός προκειμένου να βγάλει τη σωστή διάγνωση. Η διαδικασία αυτή ενδέχεται να είναι αρκετά επίπονη, καθώς απαιτεί αρκετές ώρες αδιάκοπης προσοχής. Αυτή η διπλωματική εργασία, παρουσιάζει τη μέθοδο ταξινόμησης bag of words, η οποία ταξινομεί τις εικόνες αυτές σε διάφορες κατηγορίες ασθενειών, δίνοντας έτσι μία λύση στο ανωτέρω πρόβλημα. Η λογική της βασίζεται στον εντοπισμό περιοχών ενδιαφέροντος πάνω στις εικόνες, καθώς και στην εξαγωγή χαρακτηριστικών από τις περιοχές αυτές. Για την πραγματοποίηση των πειραμάτων χρησιμοποιήθηκαν 2 dataset. Αυτά ήταν το KID dataset 2, το οποίο περιέχει 8 κατηγορίες και το Normal-Abnormal σέτ, το οποίο αποτελεί μία παραλλαγή του KID dataset 2 και περιέχει μόνο 2 κατηγορίες. Τα πειράματα πραγματοποιήθηκαν σε προγραμματιστικό περιβάλλον MATLAB. Κατά την εκτέλεση τους δοκιμάστηκαν διαφορετικές μέθοδοι εξαγωγής χαρακτηριστικών, ενώ παράλληλα μετρήθηκαν τα ποσοστά ορθής ταξινόμησής των εικόνων τους για τις μεθόδους αυτές. Οι μέθοδοι εξαγωγής χαρακτηριστικών που χρησιμοποιήθηκαν ήταν όι : SIFT, RGB-SIFT, HSV-SIFT, Opponent-SIFT και HSV&Opponent SIFT (συνδυασμός). Εκτός από τις μεθόδους εξαγωγής χαρακτηριστικών, μεταξύ των πειραμάτων, μεταβάλλονταν συνεχώς και άλλες δύο μεταβλητές, διότι εξεταζόταν η επιρροή τους πάνω στα αποτελέσματα. Τα υψηλότερα αποτελέσματα τα πέτυχε η μέθοδος εξαγωγής χαρακτηριστικών HSV-SIFT, καθώς έδωσε μέγιστο ποσοστό ορθης ταξινόμησης 81.46% στο Normal-Abnormal σέτ και μέγιστο ποσοστό ορθής ταξινόμησης 47.92% στο KID dataset 2.
Κύρια θεματική κατηγορία:
Τεχνολογία – Πληροφορική
Λέξεις-κλειδιά:
Ασύρματη ενδοσκόπηση, ταξινόμηση εικόνων, μέθοδος bag of words, εξαγωγή χαρακτηριστικών, SIFT, RGB-SIFT, HSV-SIFT, Opponent-SIFT
Ευρετήριο:
Ναι
Αρ. σελίδων ευρετηρίου:
7
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
30
Αριθμός σελίδων:
77
Διπλωματική Τελικό.pdf (2 MB) Άνοιγμα σε νέο παράθυρο