National and Kapodistrian University of Athens
Ανάπτυξη και αξιολόγηση συνελικτικών νευρωνικών δικτύων για την κατηγοριοποίηση ιατρικών εικόνων
Abstract
dc:descriptionΣτην παρούσα διπλωματική εργασία εκθέτουμε τα βασικά στοιχεία της θεωρίας των νευρωνικών δικτύων με έμφαση στα συνελικτικά νευρωνικά δίκτυα και με κύριο σκοπό μας τη μελέτη της κατηγοριοποίησης ιατρικών εικόνων. Πιο συγκεκριμένα χρησιμοποιήθηκαν εικόνες καρκίνου του μαστού που αφορούν σε πορογενές διηθητικό καρκίνωμα, οι οποίες επιθυμούμε να διαχωριστούν σε θετικές και αρνητικές στην ύπαρξη όγκου. Η υλοποίηση του αλγόριθμου βασίζεται στην τεχνολογία των συνελικτικών νευρωνικών δικτύων (ΣΝΔ) με μεγάλο βάθος. Τα ΣΝΔ παίρνουν ως είσοδο εικόνες και ανακαλύπτουν συγκεκριμένες πληροφορίες ή χαρακτηριστικά από τα δεδομένα, χωρίς ανθρώπινη παρέμβαση για το τι θεωρούμε σημαντικό για να διαχωριστούν οι εικόνες στις κατηγορίες που ανήκουν. Τα ΣΝΔ μπορούν να έχουν διάφορες αρχιτεκτονικές με διαφορετικό βάθος, διαφορετικό πλήθος συνελίξεων, διαφορετικές συναρτήσεις ενεργοποίησης και πολλές άλλες παραμέτρους και τεχνολογίες. Συνεπώς τα τελευταία χρόνια μεγάλος όγκος έρευνας γίνεται για την ανακάλυψη αρχιτεκτονικών που είναι οι πλέον κατάλληλες για την κατηγοριοποίηση ιατρικών εικόνων. Στην παρούσα εργασία διερευνούμε ποιοτικά εννέα τροποποιήσεις σε μια βραβευμένη αρχιτεκτονική συνελικτικών δικτύων, την VGG16. Σκοπός μας είναι να βελτιώσουμε την ακρίβεια στην κατηγοριοποίηση της συγκεκριμένης κατηγορίας εικόνων, άλλα παράλληλα να κατανοήσουμε βαθύτερα τις δομικές παραμέτρους της αρχιτεκτονικής των ΣΝΔ, για ταχύτερη και πλέον αξιόπιστη εκπαίδευση αντίστοιχων δικτύων για παρόμοια προβλήματα. Επίσης εξετάζουμε τη μεταφοράς γνώσης από ήδη εκπαιδευμένα δίκτυα σε διαφορετικού είδους προβλήματα ώστε να βελτιώσουμε την ακρίβεια στο προαναφερθέν πρόβλημα που πραγματεύεται η παρούσα εργασία.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Γιαννούλης Γεώργιος
- Giannoulis Georgios
Subjects
dc:subject × 2Rights
- Language dc:language
- Ελληνικά, Greek
Identifiers
dc:identifier.*- Identifier
- uoadl:2896736