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

Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron

60 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 60
Dung lượng 1,05 MB

Nội dung

Ngày đăng: 22/11/2021, 11:00

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
6. C. J. Murray and A. D. Lopez, “ Mortality by cause for eight regions of the world: global burden of disease study,” Lancet, vol. 349, no. 9061 Sách, tạp chí
Tiêu đề: Mortality by cause for eight regions of the world: global burden of disease study
10. F. Rosenblatt, “The perceptron: A probabilistic model for information storage and organization in the brain,” Ps ychological Review, Vol. 65, 1958 Sách, tạp chí
Tiêu đề: The perceptron: A probabilistic model for information storage and organization in the brain
11. G. E. Goodman, “Lung cancer. 1: prevention of lung cancer,” Thorax, vol. 57, no. 11, 2002 Sách, tạp chí
Tiêu đề: Lung cancer. 1: prevention of lung cancer
12. G. M. Stephane, “A theory for multiresolution signal decomposition: the wavelet representation,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 11, no. 7, Jul. 1989 Sách, tạp chí
Tiêu đề: A theory for multiresolution signal decomposition: the wavelet representation
13. “Extraction of left ventricular contours from left ventriculograms by means of a neura l edge detector,” IEEE Trans. Med. Imag., vol. 23, no. 3, Mar.2004 Sách, tạp chí
Tiêu đề: Extraction of left ventricular contours from left ventriculograms by means of a neural edge detector
14. “Neural edge enhancer for supervised edge enhancement from noisy images,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 25, no. 12, Dec.2003 Sách, tạp chí
Tiêu đề: Neural edge enhancer for supervised edge enhancement from noisy images
15. “Efficient approximation of neural f ilters for removing quantum noise from images,” IEEE Trans. Signal Process., vol. 50, no. 7, Jul. 2002 Sách, tạp chí
Tiêu đề: Efficient approximation of neural filters for removing quantum noise from images
16. J. A. Anderson, “A simple neural network generating an interactive memory,” Mathematical Biosciences, Vol. 14, 1972 Sách, tạp chí
Tiêu đề: A simple neural network generating an interactive memory
17. J. J. Hopfield, “Neural net works and physical systems with emergent collective computational abilities,” Proceedings of the National Academy of Sciences, Vol. 79, 1982 Sách, tạp chí
Tiêu đề: Neural networks and physical systems with emergent collective computational abilities
19. K. Suzuki, I. Horiba, K. Ikegaya, and M. Nanki, “Recognition of coronary arterial stenosis using neural network on DSA system,” Syst.Comput.Japan, vol. 26, no. 8, 1995 Sách, tạp chí
Tiêu đề: Recognition of coronary arterial stenosis using neural network on DSA system
20. K. Suzuki, S. G. Armato, F. Li, S. So ne, and K. Doi, “Massive training artificial neural network (MTANN) for reduction of false positives in computerized detection of lung nodules in low- dose CT,” Med. Phys., vol.30, no. 7, 2003 Sách, tạp chí
Tiêu đề: Massive training artificial neural network (MTANN) for reduction of false positives in computerized detection of lung nodules in low-dose CT
21. K. Suzuki, I. Horiba, N. Sugie, and M. Nanki, “Neural filte r with selection of input features and its application to image quality improvement of medical image sequences,” IEICE Trans. Inf. Syst., vol. E85 -D, no.10, 2002 Sách, tạp chí
Tiêu đề: Neural filter with selection of input features and its application to image quality improvement of medical image sequences
22. K. Suzuki, I. Horiba, and N. Sugie, “A simple neural network pruning algorithm with appli cation to filter synthesis,” Neural Process. Lett., vol.13, no. 1, 2001 Sách, tạp chí
Tiêu đề: A simple neural network pruning algorithm with application to filter synthesis
23. Kenji Suzuki*, Senior Member, IEEE, Hiroyuki Abe, Heber MacMahon, and Kunio Doi, “Image -Processing Technique for Sutrangressing Ribs in Chest Radiographs by Means of Massive Training Artificial Neural Network (MTANN)”, IEEE TRANSACTIONS ON MEDICAL IMAGING, VOL. 25, NO. 4, APRIL 2006 Sách, tạp chí
Tiêu đề: Image-Processing Technique for Sutrangressing Ribs in Chest Radiographs by Means of Massive Training Artificial Neural Network (MTANN)
28. N. Otsu, “A Threshold Selection Method from Gray Level Histograms,” IEEE Trans. Syst., Man, Cybern., vol. 9, no. 1, trang. 62 – 66, Jan. 1979 Sách, tạp chí
Tiêu đề: A Threshold Selection Method from Gray Level Histograms
29. N. Otsu, “A Threshold Selection Method from Gray Level Histograms,” IEEE Trans. Syst., Man, Cybern., vol. 9, no. 1, Jan. 1979 Sách, tạp chí
Tiêu đề: A Threshold Selection Method from Gray Level Histograms
30. “Neural edge detector— a good mimic of conventional one yet robuster against noise- ,” in Lecture Notes in Computer Science. Berlin, Germany:Springer-Verlag, 2001, vol. 2085 Sách, tạp chí
Tiêu đề: Neural edge detector—a good mimic of conventional one yet robuster against noise-
31. T. Ishigaki, S. Sakuma, Y. Horikawa, M. Ikeda, and H. Yamaguchi, “One - shot dual- energy subtraction imaging,” Radiology, vol. 161, no.1, 1986 Sách, tạp chí
Tiêu đề: One-shot dual-energy subtraction imaging
32. T. Kohonen, “Correlation matrix memories,” IEEE Transactions on Computers, vol. 21, 1972 Sách, tạp chí
Tiêu đề: Correlation matrix memories
1. A. Hasegawa, S. C. B. Lo, J. S. Lin, M.T. Freedman, S. K. Mun: A Shift- Invariant Neural Network for the Lung Field Segmentation in Chest Radiography, The Journal of VLSI Signal Processing 18 (1998) Khác

HÌNH ẢNH LIÊN QUAN

- Phát hiện gãy xương cột sống trên X-quang ngực ngang: hình 1.2 minh hoạ phát  hi ện  chính  xác  (đầu mũi tên) của  máy  tính  phát  hiện  một  đốt  sống  bị   gãy  ( vòng tròn ch ấm) dưới cơ hoành trên X-quang ngực ngang, có thểđược sử dụ ng  như là mộ - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
h át hiện gãy xương cột sống trên X-quang ngực ngang: hình 1.2 minh hoạ phát hi ện chính xác (đầu mũi tên) của máy tính phát hiện một đốt sống bị gãy ( vòng tròn ch ấm) dưới cơ hoành trên X-quang ngực ngang, có thểđược sử dụ ng như là mộ (Trang 13)
Hình 1.1. ẢnhX-quang phối chụp ngang và trước-sau - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 1.1. ẢnhX-quang phối chụp ngang và trước-sau (Trang 14)
Hình 1.2. ẢnhX-quang ngực bên - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 1.2. ẢnhX-quang ngực bên (Trang 14)
- Phát hiện của chứng phình động mạch nội sọ ở MRA: hình 1.3 minh họa ảnh 3D  MRA  đẳng  hướng  trong  hình  1.3(a) đã  được  xử  lý  bằng  cách  sử   d ụ ng  multi-scale  enhancement filter có ch ọn lọc để phát hiện chứng phình mạch nội sọ - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
h át hiện của chứng phình động mạch nội sọ ở MRA: hình 1.3 minh họa ảnh 3D MRA đẳng hướng trong hình 1.3(a) đã được xử lý bằng cách sử d ụ ng multi-scale enhancement filter có ch ọn lọc để phát hiện chứng phình mạch nội sọ (Trang 15)
Hình 1.4. Ảnh quét xương toàn thân liên tiếp - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 1.4. Ảnh quét xương toàn thân liên tiếp (Trang 16)
Hình 2.1. Sơ đồ đơn giản của hai tế bào thần kinh sinh học - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 2.1. Sơ đồ đơn giản của hai tế bào thần kinh sinh học (Trang 19)
Hình 2.2. Mô hình nơ-ron cơ bản - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 2.2. Mô hình nơ-ron cơ bản (Trang 20)
Nếu chúng ta liên hệ mô hình đơn giản này với nơ-ron sinh học mà ta đã thảo lu ận, trọng lượng wtương ứng với sức  mạnh của một khớp thầ n kinh, các thân t ế bào được đại diện bởi mạng đầu vào n và hàm kích hoạt f, đầu ra alà đại diệ n cho  các tín hi ệu  - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
u chúng ta liên hệ mô hình đơn giản này với nơ-ron sinh học mà ta đã thảo lu ận, trọng lượng wtương ứng với sức mạnh của một khớp thầ n kinh, các thân t ế bào được đại diện bởi mạng đầu vào n và hàm kích hoạt f, đầu ra alà đại diệ n cho các tín hi ệu (Trang 21)
Bảng 2.2. Các mạng nơ-ron chính được sử dụng trong ản hy tế - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Bảng 2.2. Các mạng nơ-ron chính được sử dụng trong ản hy tế (Trang 26)
Hình ảnh tiền xử lý với các mạng nơ-ron thường rơi vào một trong hai loại sau: c ải tạo hình ảnh và khôi phục hình ảnh (bao gồm giảm nhi ễu và tăng cườ ng ) - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
nh ảnh tiền xử lý với các mạng nơ-ron thường rơi vào một trong hai loại sau: c ải tạo hình ảnh và khôi phục hình ảnh (bao gồm giảm nhi ễu và tăng cườ ng ) (Trang 27)
Bên cạnh đó, mô hình mạng nơ-ron truyền thẳng cũng được sử dụng nhiều trong phân đoạn ảnh y tế  [8,  tr - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
n cạnh đó, mô hình mạng nơ-ron truyền thẳng cũng được sử dụng nhiều trong phân đoạn ảnh y tế [8, tr (Trang 28)
Hình 2.3. Mạng nơ-ron truyền thẳng nhiều lớp 2.3.2. Thu ật toán lan truyền ngược  - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 2.3. Mạng nơ-ron truyền thẳng nhiều lớp 2.3.2. Thu ật toán lan truyền ngược (Trang 29)
Hình 3.1. Minh họa kỹ thuật đa phân giả i- phân rã - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 3.1. Minh họa kỹ thuật đa phân giả i- phân rã (Trang 34)
Hình 3.2. Minh họa kỹ thuật đa phân giả i- hợp thành - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 3.2. Minh họa kỹ thuật đa phân giả i- hợp thành (Trang 35)
Hình 4.1. Kiến trúc huấn luyện của một MTANN - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 4.1. Kiến trúc huấn luyện của một MTANN (Trang 39)
Hình 4.2. Minh họa kiến trúc và huấn luyện của một MTANN. - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 4.2. Minh họa kiến trúc và huấn luyện của một MTANN (Trang 44)
Hình 5.1: Chức năng chính của chương trình - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 5.1 Chức năng chính của chương trình (Trang 46)
Hình 5.2. Các chức năng đa phân giải - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 5.2. Các chức năng đa phân giải (Trang 47)
Hình 5.3. Các chức năng của điểm đặc trưng - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 5.3. Các chức năng của điểm đặc trưng (Trang 47)
Hình 5.4. Các chức năng huấn luyện MTANN - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 5.4. Các chức năng huấn luyện MTANN (Trang 48)
Hình 5.5. Các chức năng tạo ảnh xương - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 5.5. Các chức năng tạo ảnh xương (Trang 48)
Hình 5.6. Các chức năng loại bỏ xương - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 5.6. Các chức năng loại bỏ xương (Trang 49)
Hình 5.7. Ảnh phục vụ huấn luyện - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 5.7. Ảnh phục vụ huấn luyện (Trang 50)
Hình 5.11. Ảnh kết quả huấn luyện - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 5.11. Ảnh kết quả huấn luyện (Trang 53)
xương” hình 5.12(a) với kích thước không đổi so với ảnh ban đầu. - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
x ương” hình 5.12(a) với kích thước không đổi so với ảnh ban đầu (Trang 53)
Hình 5.12. Ảnh kết quả sau khi thực hiện làm giảm độ che xương sườn - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
Hình 5.12. Ảnh kết quả sau khi thực hiện làm giảm độ che xương sườn (Trang 54)
là giá trị lớn nhất và giá trị nhỏ nhất trong RL của hình xương Dual-energy. Sử d ụng ảnh “giống xương” và ảnh xương Dual-energy trong đánh giá này, bở i vì so  - Đề tài xử lý ảnh xquang phổi sử dụng mạng nơ ron
l à giá trị lớn nhất và giá trị nhỏ nhất trong RL của hình xương Dual-energy. Sử d ụng ảnh “giống xương” và ảnh xương Dual-energy trong đánh giá này, bở i vì so (Trang 54)

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w