ü Bước 1: Dựa vào mỗi ảnh Ground Truth ta sẽ trích được vùng polyp và vùng
không phải polyp tương ứng với mỗi ảnh nội soi gốc . Khi hoàn tất việc trích vùng ta sẽ được hai tập dữ liệu: polyp (612 ảnh) và non-polyp (612 ảnh không phải polyp).
ü Bước 2: Tiền xử lý ảnh: grayscale, cân bằng sáng, lọc Gaussian, scale ảnh
trong tập huấn luyện về chung một kích thước.
ü Bước 3: Trích đặc trưng HOG của mỗi tập dữ liệu với không gian hướng =
9(00–1800), kích thước cell = 8x8 pixel, kích thước khối = 2x2 cell chồng lấn 2 cell.
ü Bước 4: Huấn luyện mô hình với thuật toán SVM với train_size/test_size =
80/20
v Bảng kết quả huấn luyện khi không áp dụng lọc ảnh, scale = 124x64 pixel, kích thước cell = 8x8 pixel, kích thước khối = 2x2 cell, chồng lấn 2 cell, véc tơ HOG sẽ có kích thước là 15x7x36=3.780 chiều:
Precision Recall F1-Score
polyp 0.86 0.80 0.83
non-polyp 0.76 0.83 0.79
Từ bảng kết quả các độ đo trên ta thấy khả năng phát hiện thấp và tỉ lệ bỏ sót Polyp cao, mô hình dự đoán cho kết quả chính xác thấp.
v Bảng kết quả huấn luyện khi không áp dụng lọc ảnh, scale = 96x48 pixel, kích thước cell = 8x8 pixel, kích thước khối = 2x2 cell, chồng lấn 2 cell, véc tơ HOG sẽ có kích thước là 11x5x36=1.980 chiều:
Precision Recall F1-Score
polyp 0.89 0.78 0.83
non-polyp 0.75 0.87 0.81
Từ bảng kết quả các độ đo trên ta thấy khả năng phát hiện đã cải thiện tuy nhiên vẫn thấp và tỉ lệ bỏ sót Polyp vẫn cao, mô hình dự đoán cho kết quả chính xác thấp.
v Bảng kết quả huấn luyện khi áp dụng lọc Gauss, scale = 96x48 pixel, kích thước cell = 8x8 pixel, kích thước khối = 2x2 cell, chồng lấn 2 cell, véc tơ HOG sẽ có kích thước là 11x5x36=1.980 chiều:
Precision Recall F1-Score
polyp 0.94 0.91 0.93
non-polyp 0.89 0.93 0.91
Từ bảng kết quả các độ đo trên ta thấy khả năng phát hiện polyp đã cải thiện và tỉ lệ bỏ sót đã giảm, mô hình dự đoán cho kết quả chính xác hơn.
v Bước phát hiện Polyp (phân loại):