Ανάπτυξη και αξιολόγηση συνελικτικών νευρωνικών δικτύων για την κατηγοριοποίηση ιατρικών εικόνων

Διπλωματική Εργασία uoadl:2896736 283 Αναγνώσεις

Μονάδα:
Κατεύθυνση Βιοπληροφορική
Πληροφορική
Ημερομηνία κατάθεσης:
2020-02-06
Έτος εκπόνησης:
2020
Συγγραφέας:
Γιαννούλης Γεώργιος
Στοιχεία επιβλεπόντων καθηγητών:
Ιωάννης Καλατζής, Αναπληρωτής Καθηγητής, Τμήμα Μηχανικών Βιοϊατρικής, Πανεπιστήμιο Δυτικής Αττικής
Πρωτότυπος Τίτλος:
Ανάπτυξη και αξιολόγηση συνελικτικών νευρωνικών δικτύων για την κατηγοριοποίηση ιατρικών εικόνων
Γλώσσες εργασίας:
Ελληνικά
Μεταφρασμένος τίτλος:
Ανάπτυξη και αξιολόγηση συνελικτικών νευρωνικών δικτύων για την κατηγοριοποίηση ιατρικών εικόνων
Περίληψη:
Στην παρούσα διπλωματική εργασία εκθέτουμε τα βασικά στοιχεία της θεωρίας των νευρωνικών δικτύων με έμφαση στα συνελικτικά νευρωνικά δίκτυα και με κύριο σκοπό μας τη μελέτη της κατηγοριοποίησης ιατρικών εικόνων. Πιο συγκεκριμένα χρησιμοποιήθηκαν εικόνες καρκίνου του μαστού που αφορούν σε πορογενές διηθητικό καρκίνωμα, οι οποίες επιθυμούμε να διαχωριστούν σε θετικές και αρνητικές στην ύπαρξη όγκου.
Η υλοποίηση του αλγόριθμου βασίζεται στην τεχνολογία των συνελικτικών νευρωνικών δικτύων (ΣΝΔ) με μεγάλο βάθος. Τα ΣΝΔ παίρνουν ως είσοδο εικόνες και ανακαλύπτουν συγκεκριμένες πληροφορίες ή χαρακτηριστικά από τα δεδομένα, χωρίς ανθρώπινη παρέμβαση για το τι θεωρούμε σημαντικό για να διαχωριστούν οι εικόνες στις κατηγορίες που ανήκουν.
Τα ΣΝΔ μπορούν να έχουν διάφορες αρχιτεκτονικές με διαφορετικό βάθος, διαφορετικό πλήθος συνελίξεων, διαφορετικές συναρτήσεις ενεργοποίησης και πολλές άλλες παραμέτρους και τεχνολογίες. Συνεπώς τα τελευταία χρόνια μεγάλος όγκος έρευνας γίνεται για την ανακάλυψη αρχιτεκτονικών που είναι οι πλέον κατάλληλες για την κατηγοριοποίηση ιατρικών εικόνων. Στην παρούσα εργασία διερευνούμε ποιοτικά εννέα τροποποιήσεις σε μια βραβευμένη αρχιτεκτονική συνελικτικών δικτύων, την VGG16.
Σκοπός μας είναι να βελτιώσουμε την ακρίβεια στην κατηγοριοποίηση της συγκεκριμένης κατηγορίας εικόνων, άλλα παράλληλα να κατανοήσουμε βαθύτερα τις δομικές παραμέτρους της αρχιτεκτονικής των ΣΝΔ, για ταχύτερη και πλέον αξιόπιστη εκπαίδευση αντίστοιχων δικτύων για παρόμοια προβλήματα. Επίσης εξετάζουμε τη μεταφοράς γνώσης από ήδη εκπαιδευμένα δίκτυα σε διαφορετικού είδους προβλήματα ώστε να βελτιώσουμε την ακρίβεια στο προαναφερθέν πρόβλημα που πραγματεύεται η παρούσα εργασία.
Κύρια θεματική κατηγορία:
Τεχνολογία – Πληροφορική
Λέξεις-κλειδιά:
ιατρική εικόνα, συνελικτικά δίκτυα, νευρωνικά δίκτυα, διαγνωστικές μέθοδοι, καρκίνος στήθους
Ευρετήριο:
Ναι
Αρ. σελίδων ευρετηρίου:
8
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
46
Αριθμός σελίδων:
119
Διπλωματική Εργασία Γιαννούλης Γεώργιος.pdf (4 MB) Άνοιγμα σε νέο παράθυρο