Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 46 trang
THÔNG TIN TÀI LIỆU
Ngày đăng: 25/01/2021, 23:31
Xem thêm:
HÌNH ẢNH LIÊN QUAN
DANH MỤC BẢNG BIỂU (Trang 8)
h
ụp cắt lớp vi tính (Computed Tomography) là một phương pháp chụp hình X-quang. Máy CT chạy vòng quanh thân thể bệnh nhân, phát sóng X-quang, sau đó dựa vào độ hấp thụ năng lượng tia X của các thành phần cấu trúc khác nhau trong cơ thể để dựng lại hình (Trang 16)
Hình 2.2
Thông tin các điểm ảnh được rút ra từ một tập tin trong Tập ảnh Pancreas-CT của National Institutes of Health Clinical Center [13] (Trang 17)
Hình 2.3
Các thông tin cơ bản của một tập tin ảnh DICOM được lấy ra từ Tập ảnh Pancreas-CT của National Institutes of Health Clinical Center [13] (Trang 18)
Bảng 2.1
Các chỉ số dương tính đúng (TP), dương tính sai (FP), âm tính đúng (TN) và âm tính sai (FN) (Trang 21)
Hình 3.1
Minh họa quá trình phân đoạn một ảnh 2D: (Trang 24)
m
ô hình rút trích đặc trưng và phân lớp với kiến trúc đa tầng sẽ được triển khai nhằm tìm ra tuyến tụy (Trang 24)
h
ình bao gồm 3 bước chính tương ứng với các bước được đánh số trong Hình 3.1: (Trang 25)
Hình 3.4
Phân đoạn các điểm ảnh lớn và gán nhãn (Trang 28)
Hình 3.5
Kết quả phân đoạn điểm ảnh lớn một ảnh CT: (Trang 29)
Hình 3.6
Phân lớp các tiểu vùng 25x25 thông qua Random Forest (Trang 30)
Hình 3.7
Keypoint descriptor 2x2 bins, với 8 orientation mỗi bin [20] (Trang 31)
y
kết quả có số lượng vote lớn nhất làm kết quả cuối cho mô hình. Tác giả hiện thực Random Forest với 50 cây và leaf size tối thiểu là 150 (Trang 32)
n
là các layer max-pooling và fully connected. Mô hình CNN mà tác giả áp dụng kết thúc với softmax layer cho 2 lớp “tuyến tụy” và “không tuyến tụy” (Trang 33)
so
sánh, tác giả cũng thực nghiệm với mô hình đã bỏ đi tầng 1, tất cả các tiểu vùng âm tính đều được đưa vào huấn luyện (Trang 37)
Hình 4.1
Các điểm ảnh lớn thu được sau khi áp dụng SLIC với tham số chỉ số lượng điểm ảnh lớn là 300: (Trang 38)
4.2.4
Kiểm thử mô hình (Trang 40)
Bảng 4.2
Kết quả thực nghiệm với phương pháp đề xuất (áp dụng tầng 1) và phương pháp loại bỏ tầng 1 (Trang 41)
Bảng 4.1
Số lượng mẫu dương tính và âm tính dùng để huấn luyện bộ phân lớp CNN với phương pháp đề xuất (áp dụng tầng 1) và phương pháp loại bỏ tầng 1 (Trang 41)