1. Trang chủ
  2. » Luận Văn - Báo Cáo

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

127 8 0

Đang tải... (xem toàn văn)

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

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 127
Dung lượng 2,71 MB

Nội dung

Ngày đăng: 27/05/2022, 09:12

HÌNH ẢNH LIÊN QUAN

Hình 11 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 11 Minh họa thủ thuật nội soi đại tràng [12] (Trang 18)
Hình 12 Hệ thống CADx hỗ trợ chuẩn đoán nội soi đại tràng [16] - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng
Hình 12 Hệ thống CADx hỗ trợ chuẩn đoán nội soi đại tràng [16] (Trang 19)
-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 (Trang 20)
Hình 14 Các trường hợp khó phân vùng polyp: (a) polyp có hình dạng, kích thước, màu sắc và kết cấu rất đa dạng, (b) polyp nhỏ khó nhìn thấy, (c) ảnh - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng
Hình 14 Các trường hợp khó phân vùng polyp: (a) polyp có hình dạng, kích thước, màu sắc và kết cấu rất đa dạng, (b) polyp nhỏ khó nhìn thấy, (c) ảnh (Trang 21)
Hình 15 Ví dụ minh họa dữ liệu không cân bằng - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng
Hình 15 Ví dụ minh họa dữ liệu không cân bằng (Trang 22)
Hình 17 Ví dụ minh họa bộ dữ liệu Kvasir-Seg - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng
Hình 17 Ví dụ minh họa bộ dữ liệu Kvasir-Seg (Trang 24)
Hình 18 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 18 Kiến trúc mô hình học sâu phân vùng ảnh [74] (Trang 33)
Hình 19 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 19 Kiến trúc mạng UNet[59] (Trang 34)
Bảng 12 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 12 là tổng hợp các công trình mới công bố gần đây cho bài toán phân tích ảnh nội soi đại tràng trên thế giới (Trang 42)
Hình 21 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 21 Tổng quan kiến trúc mô hình phân vùng polyp trên ảnh nội soi đại tràng (Trang 53)
Hình 23 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 23 Kiến trúc bộ mã hóa EfficientB7 [82] (Trang 56)
Hình 27 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 27 Ví dụ các phép biến đổi ảnh dùng cho tăng cường dữ liệu (Trang 67)
Bảng 22 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 22 Độ chính xác mạng UNet điều chỉnh với các bộ mã hóa khác nhau (Trang 68)
Hình 28 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 28 Biểu đồ độ chính xác của mạng UNet điều chỉnh (Trang 69)
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 (Trang 72)
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 (Trang 73)
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 (Trang 73)
Đầu tiên, mô hình đề xuất CRF-EfficientUNet được cài đặt, huấn luyện mô hình bằng bộ dữ liệu CVC-ClinicDB gồm 612 ảnh nội soi có gán nhãn phân vùng polyp và kiểm thử trên hai bộ dữ liệu độc lập là ETIS-Larib, - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng
u tiên, mô hình đề xuất CRF-EfficientUNet được cài đặt, huấn luyện mô hình bằng bộ dữ liệu CVC-ClinicDB gồm 612 ảnh nội soi có gán nhãn phân vùng polyp và kiểm thử trên hai bộ dữ liệu độc lập là ETIS-Larib, (Trang 79)
Hình 31 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 31 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 (Trang 87)
Hình 34 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 34 Minh họa các phương pháp học chuyển giao từ mạng tái tạo ảnh nội soi sang mạng phân vùng polyp (Trang 90)
Bảng 31 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 31 Độ chính xác SSIM của mạng tái tạo ảnh với tỉ lệ nhiễu khác nhau (Trang 93)
Bảng 32 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 32 Độ chính xác của mạng phân vùng polyp học chuyển giao từ mạng tái tạo ảnh với tỉ lệ nhiễu khác nhau (Trang 94)
Hình 36 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 36 Phân vùng polyp tạo bởi các mạng UNet huấn luyện theo phương pháp học chuyển giao khác nhau từ mạng tái tạo ảnh (Trang 96)
Bảng 34 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 34 So sánh điểm số Dice của các phương pháp phân vùng polyp (Trang 97)
Hình 41 Minh họa mô hình sinh ảnh nội soi chứa polyp - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng
Hình 41 Minh họa mô hình sinh ảnh nội soi chứa polyp (Trang 102)
Hình 43 Huấn luyện bộ sinh - Nghiên cứu, phát triển một số kỹ thuật học sâu áp dụng cho phân vùng polyp trên ảnh nội soi đại tràng
Hình 43 Huấn luyện bộ sinh (Trang 103)
Hình 44 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 44 Kiến trúc bộ sinh của PolypGenPix2Pix (Trang 104)
Hình 45 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 45 Kiến trúc bộ phân biệt của PolypGenPix2Pix (Trang 105)
4 33 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 33 Kết quả sinh ảnh nội soi chứa polyp của mô hình PolypGenPix2Pix (Trang 109)
Bảng 42 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 42 Kết quả tăng cường dữ liệu huấn luyện trên bộ dữ liệu kiểm thử ETIS-Larib (Trang 113)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

2 Kỹ thuật học sâu Tình hình nghiên cứu bài toán phân tích ảnh nội soi đại tràng

32 Tình hình nghiên cứu trong nước

Những vấn đề còn tồn tạ

Mạng sinh ảnh nội soi đại tràng chứa polyp PolypGenPix2P 35 So sánh độ chính xác của mô hình học sâu phân vùng polyp Thử nghiệm và đánh giá các kết quả Hướng nghiên cứu tiếp theo

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w