Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

135 19 0
Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Ngày đăng: 27/05/2022, 06:13

Hình ảnh liên quan

Hình 1.1. Minh họa thủ thuật nội soi đại tràng [12] - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 1.1..

Minh họa thủ thuật nội soi đại tràng [12] Xem tại trang 19 của tài liệu.
-Phân vùng đối tượng: phân vùng các polyp, xác định hình dạng và kích thước của chúng trên ảnh. - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

h.

ân vùng đối tượng: phân vùng các polyp, xác định hình dạng và kích thước của chúng trên ảnh Xem tại trang 21 của tài liệu.
học máy, bao gồm mạng nơ-ron, mô hình xác suất phân cấp, và các thuật toán học [41]. Học sâu đã thúc đẩy những bước tiến lớn trong một loạt các bài toán thị giác máy tính, như phát hiện đối tượng (object detection), theo dõi chuyển động (motion tracking), - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

h.

ọc máy, bao gồm mạng nơ-ron, mô hình xác suất phân cấp, và các thuật toán học [41]. Học sâu đã thúc đẩy những bước tiến lớn trong một loạt các bài toán thị giác máy tính, như phát hiện đối tượng (object detection), theo dõi chuyển động (motion tracking), Xem tại trang 28 của tài liệu.
Hình 1.8. Kiến trúc mô hình học sâu phân vùng ảnh [74] - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 1.8..

Kiến trúc mô hình học sâu phân vùng ảnh [74] Xem tại trang 34 của tài liệu.
Hình 1.9. Kiến trúc mạng UNet[59] - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 1.9..

Kiến trúc mạng UNet[59] Xem tại trang 35 của tài liệu.
Hình 1.12. Phương pháp học tự giám sát các đặc trưng thị giác máy tính [36]. - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 1.12..

Phương pháp học tự giám sát các đặc trưng thị giác máy tính [36] Xem tại trang 39 của tài liệu.
Bảng 1.2 là tổng hợp các công trình mới công bố gần đây cho bài toán phân tích ảnh nội soi đại tràng trên thế giới - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Bảng 1.2.

là tổng hợp các công trình mới công bố gần đây cho bài toán phân tích ảnh nội soi đại tràng trên thế giới Xem tại trang 43 của tài liệu.
Hình 2.1. Tổng quan kiến trúc mô hình phân vùng polyp trên ảnh nội soi đại tràng - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 2.1..

Tổng quan kiến trúc mô hình phân vùng polyp trên ảnh nội soi đại tràng Xem tại trang 54 của tài liệu.
Hình 2.3. Kiến trúc bộ mã hóa EfficientB7 [82] - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 2.3..

Kiến trúc bộ mã hóa EfficientB7 [82] Xem tại trang 57 của tài liệu.
Hình 2.7. Ví dụ các phép biến đổi ảnh dùng cho tăng cường dữ liệu - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 2.7..

Ví dụ các phép biến đổi ảnh dùng cho tăng cường dữ liệu Xem tại trang 73 của tài liệu.
Bảng 2.2. Độ chính xác mạng UNet điều chỉnh với các bộ mã hóa khác nhau - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Bảng 2.2..

Độ chính xác mạng UNet điều chỉnh với các bộ mã hóa khác nhau Xem tại trang 74 của tài liệu.
Hình 2.8. Biểu đồ độ chính xác của mạng UNet điều chỉnh - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 2.8..

Biểu đồ độ chính xác của mạng UNet điều chỉnh Xem tại trang 75 của tài liệu.
bố trong công trình CT3). Hình 2.9 là biểu diễn trực quan so sánh điểm số Dice của các mô hình khi có tích hợp lớp CRF-RNN và khi không tích hợp lớp CRF- RNN. - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

b.

ố trong công trình CT3). Hình 2.9 là biểu diễn trực quan so sánh điểm số Dice của các mô hình khi có tích hợp lớp CRF-RNN và khi không tích hợp lớp CRF- RNN Xem tại trang 76 của tài liệu.
AsymCE, mô hình cho kết quả với độ đo Precision và Recall khá cân bằng, do - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

sym.

CE, mô hình cho kết quả với độ đo Precision và Recall khá cân bằng, do Xem tại trang 78 của tài liệu.
Hình 2.11. Ảnh hưởng của các hàm mất mát trong quá trình học. - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 2.11..

Ảnh hưởng của các hàm mất mát trong quá trình học Xem tại trang 79 của tài liệu.
Hình 2.12. Phân vùng polyp được tạo ra bởi các tùy biến của mô hình đề xuất - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 2.12..

Phân vùng polyp được tạo ra bởi các tùy biến của mô hình đề xuất Xem tại trang 79 của tài liệu.
Hình 3.1. Tổng quan kiến trúc hệ thống học tự giám sát các đặc trưng thị giác cho phân vùng polyp trên ảnh nội soi đại tràng - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 3.1..

Tổng quan kiến trúc hệ thống học tự giám sát các đặc trưng thị giác cho phân vùng polyp trên ảnh nội soi đại tràng Xem tại trang 93 của tài liệu.
Hình 3.3. Mô hình mạng tái tạo ảnh nội soi đại tràng - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 3.3..

Mô hình mạng tái tạo ảnh nội soi đại tràng Xem tại trang 96 của tài liệu.
Hình 3.4. Minh họa các phương pháp học chuyển giao từ mạng tái tạo ảnh nội soi sang mạng phân vùng polyp - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 3.4..

Minh họa các phương pháp học chuyển giao từ mạng tái tạo ảnh nội soi sang mạng phân vùng polyp Xem tại trang 98 của tài liệu.
Bảng 3.1. Độ chính xác SSIM của mạng tái tạo ảnh với tỉ lệ nhiễu khác nhau - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Bảng 3.1..

Độ chính xác SSIM của mạng tái tạo ảnh với tỉ lệ nhiễu khác nhau Xem tại trang 101 của tài liệu.
Bảng 3.2. Độ chính xác của mạng phân vùng polyp học chuyển giao từ mạng tái tạo ảnh với tỉ lệ nhiễu khác nhau - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Bảng 3.2..

Độ chính xác của mạng phân vùng polyp học chuyển giao từ mạng tái tạo ảnh với tỉ lệ nhiễu khác nhau Xem tại trang 102 của tài liệu.
Bảng 3.3. Độ chính xác của mạng phân vùng polyp với phương pháp học chuyển giao khác nhau - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Bảng 3.3..

Độ chính xác của mạng phân vùng polyp với phương pháp học chuyển giao khác nhau Xem tại trang 103 của tài liệu.
Hình 3.6. Phân vùng polyp tạo bởi các mạng UNet huấn luyện theo phương pháp học chuyển giao khác nhau từ mạng tái tạo ảnh - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 3.6..

Phân vùng polyp tạo bởi các mạng UNet huấn luyện theo phương pháp học chuyển giao khác nhau từ mạng tái tạo ảnh Xem tại trang 104 của tài liệu.
Bảng 3.4. So sánh điểm số Dice của các phương pháp phân vùng polyp - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Bảng 3.4..

So sánh điểm số Dice của các phương pháp phân vùng polyp Xem tại trang 105 của tài liệu.
Hình 4.2. Huấn luyện bộ phân biệt - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 4.2..

Huấn luyện bộ phân biệt Xem tại trang 111 của tài liệu.
Hình 4.4. Kiến trúc bộ sinh của PolypGenPix2Pix - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 4.4..

Kiến trúc bộ sinh của PolypGenPix2Pix Xem tại trang 112 của tài liệu.
Hình 4.5. Kiến trúc bộ phân biệt của PolypGenPix2Pix - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Hình 4.5..

Kiến trúc bộ phân biệt của PolypGenPix2Pix Xem tại trang 113 của tài liệu.
4.3.3.Kết quả sinh ảnh nội soi chứa polyp của mô hình PolypGenPix2Pix - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

4.3.3..

Kết quả sinh ảnh nội soi chứa polyp của mô hình PolypGenPix2Pix Xem tại trang 117 của tài liệu.
Bảng 4.2. Kết quả tăng cường dữ liệu huấn luyện trên bộ dữ liệu kiểm thử ETIS-Larib - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng.

Bảng 4.2..

Kết quả tăng cường dữ liệu huấn luyện trên bộ dữ liệu kiểm thử ETIS-Larib Xem tại trang 121 của tài liệu.

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan