Αυτόματη ταξινόμηση εικόνων βιοψίας μαστικού ιστού με συνελικτικά νευρωνικά δίκτυα
Στην παρούσα διπλωματική εργασία στόχος είναι η ανάπτυξη και μελέτη ενός συστήματος αυτόματης ταξινόμησης εικόνας βιοψίας μαστικού ιστού με σκοπό την υποβοηθούμενη διάγνωση για διάφορες περιπτώσεις καρκίνου του μαστού. Η μελέτη βασίζεται στις ήδη υπάρχουσες επιστημονικές γνώσεις γύρω από την ανάπτυξ...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Μορφή: | Thesis |
Γλώσσα: | Greek |
Έκδοση: |
2018
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/11749 |
id |
nemertes-10889-11749 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-117492022-09-05T09:40:11Z Αυτόματη ταξινόμηση εικόνων βιοψίας μαστικού ιστού με συνελικτικά νευρωνικά δίκτυα Automatic classification of breast tissue biopsy images with convolutional neural networks Κοσμάς, Ηλίας Δερματάς, Ευάγγελος Μουστάκας, Κωνσταντίνος Kosmas, Ilias Υπολογιστική όραση Συνελικτικά νευρωνικά δίκτυα Βιοψία μαστικού ιστού Αυτόματη ταξινόμηση Τεχνητή νοημοσύνη Computer vision Convolutional neural netoworks Breast tissue biopsy Automatic classification Artificial intelligence 006.37 Στην παρούσα διπλωματική εργασία στόχος είναι η ανάπτυξη και μελέτη ενός συστήματος αυτόματης ταξινόμησης εικόνας βιοψίας μαστικού ιστού με σκοπό την υποβοηθούμενη διάγνωση για διάφορες περιπτώσεις καρκίνου του μαστού. Η μελέτη βασίζεται στις ήδη υπάρχουσες επιστημονικές γνώσεις γύρω από την ανάπτυξη συστημάτων αυτόματης αναγνώρισης ιατρικών εικόνων. Η μέθοδος που επιλέχθηκε για το σκοπό της ταξινόμησης είναι τα συνελικτικά νευρωνικά δίκτυα με χρήση της βιβλιοθήκης TensorFlow σε περιβάλλον Python. Στο πρώτο κεφάλαιο αναφέρονται οι γνώσεις που έχουμε συλλέξει από επιστημονικές πηγές σχετικά με τις αιτίες, τη διάγνωση, την έκταση και τα είδη του καρκίνου του μαστού. Στο δεύτερο κεφάλαιο γίνεται ανασκόπηση των τεχνικών οι οποίες έχουν προταθεί ή χρησιμοποιηθεί για την αυτοματοποιημένη διάγνωση, κατηγοριοποίηση και επεξεργασία ιατρικών εικόνων, κυρίως για τον τομέα της μαστολογίας. Στο τρίτο κεφάλαιο αναλύεται ενδελεχώς η λειτουργία της μεθόδου υλοποίησης συστημάτων ταξινόμησης με Νευρωνικά Δίκτυα και παρουσιάζεται η δομή των Συνελικτικών Νευρωνικών Δικτύων. Στο τέταρτο κεφάλαιο παρουσιάζεται η πειραματική διαδικασία για την υλοποίηση του συστήματος ταξινόμησης με λεπτομέρειες σχετικά με τα δεδομένα, τις διάφορες τεχνικές επεξεργασίας εικόνας και τις μεθόδους βελτιστοποίησης που χρησιμοποιήθηκαν για τη σύσταση του Συνελικτικού Νευρωνικού Δικτύου. Στο πέμπτο και τελευταίο κεφάλαιο παρατίθενται τα αποτελέσματα διαφόρων δοκιμών για το σύστημα που αναπτύχθηκε και παρουσιάζονται τα συμπεράσματα που εξάγονται με βάση τα αποτελέσματα αυτά. This diploma thesis focuses on developing and studying an automated mammalian tissue biopsy image classification model for computer-aided diagnosis. The study builds on already existing scientific knowledge for the automatic recognition of medical images. The chosen method for the classification task is the implementation of a convolutional neural network using TensorFlow library in Python environment. The first chapter reports the knowledge we have collected from scientific sources on the causes, diagnosis, extent and types of breast cancer. The second chapter reviews the techniques that have been proposed or used for the automated diagnosis, categorization and processing of medical images, mainly for the field of mammography. The third chapter analyzes in detail the method of Neural Networks as classification systems and presents the structure of the Convolutional Neural Networks. The fourth chapter presents the experimental process for implementing the classification system with details about the data, the various image processing techniques and the optimization methods used to set up the final Convolutional Neural Network. The fifth chapter consists of the results collected from various tests for the system developed and the conclusions which arise, driven by the above-mentioned results. 2018-12-03T07:40:13Z 2018-12-03T07:40:13Z 2018-10-15 Thesis http://hdl.handle.net/10889/11749 gr 0 application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Υπολογιστική όραση Συνελικτικά νευρωνικά δίκτυα Βιοψία μαστικού ιστού Αυτόματη ταξινόμηση Τεχνητή νοημοσύνη Computer vision Convolutional neural netoworks Breast tissue biopsy Automatic classification Artificial intelligence 006.37 |
spellingShingle |
Υπολογιστική όραση Συνελικτικά νευρωνικά δίκτυα Βιοψία μαστικού ιστού Αυτόματη ταξινόμηση Τεχνητή νοημοσύνη Computer vision Convolutional neural netoworks Breast tissue biopsy Automatic classification Artificial intelligence 006.37 Κοσμάς, Ηλίας Αυτόματη ταξινόμηση εικόνων βιοψίας μαστικού ιστού με συνελικτικά νευρωνικά δίκτυα |
description |
Στην παρούσα διπλωματική εργασία στόχος είναι η ανάπτυξη και μελέτη ενός συστήματος αυτόματης ταξινόμησης εικόνας βιοψίας μαστικού ιστού με σκοπό την υποβοηθούμενη διάγνωση για διάφορες περιπτώσεις καρκίνου του μαστού. Η μελέτη βασίζεται στις ήδη υπάρχουσες επιστημονικές γνώσεις γύρω από την ανάπτυξη συστημάτων αυτόματης αναγνώρισης ιατρικών εικόνων. Η μέθοδος που επιλέχθηκε για το σκοπό της ταξινόμησης είναι τα συνελικτικά νευρωνικά δίκτυα με χρήση της βιβλιοθήκης TensorFlow σε περιβάλλον Python. Στο πρώτο κεφάλαιο αναφέρονται οι γνώσεις που έχουμε συλλέξει από επιστημονικές πηγές σχετικά με τις αιτίες, τη διάγνωση, την έκταση και τα είδη του καρκίνου του μαστού. Στο δεύτερο κεφάλαιο γίνεται ανασκόπηση των τεχνικών οι οποίες έχουν προταθεί ή χρησιμοποιηθεί για την αυτοματοποιημένη διάγνωση, κατηγοριοποίηση και επεξεργασία ιατρικών εικόνων, κυρίως για τον τομέα της μαστολογίας. Στο τρίτο κεφάλαιο αναλύεται ενδελεχώς η λειτουργία της μεθόδου υλοποίησης συστημάτων ταξινόμησης με Νευρωνικά Δίκτυα και παρουσιάζεται η δομή των Συνελικτικών Νευρωνικών Δικτύων. Στο τέταρτο κεφάλαιο παρουσιάζεται η πειραματική διαδικασία για την υλοποίηση του συστήματος ταξινόμησης με λεπτομέρειες σχετικά με τα δεδομένα, τις διάφορες τεχνικές επεξεργασίας εικόνας και τις μεθόδους βελτιστοποίησης που χρησιμοποιήθηκαν για τη σύσταση του Συνελικτικού Νευρωνικού Δικτύου. Στο πέμπτο και τελευταίο κεφάλαιο παρατίθενται τα αποτελέσματα διαφόρων δοκιμών για το σύστημα που αναπτύχθηκε και παρουσιάζονται τα συμπεράσματα που εξάγονται με βάση τα αποτελέσματα αυτά. |
author2 |
Δερματάς, Ευάγγελος |
author_facet |
Δερματάς, Ευάγγελος Κοσμάς, Ηλίας |
format |
Thesis |
author |
Κοσμάς, Ηλίας |
author_sort |
Κοσμάς, Ηλίας |
title |
Αυτόματη ταξινόμηση εικόνων βιοψίας μαστικού ιστού με συνελικτικά νευρωνικά δίκτυα |
title_short |
Αυτόματη ταξινόμηση εικόνων βιοψίας μαστικού ιστού με συνελικτικά νευρωνικά δίκτυα |
title_full |
Αυτόματη ταξινόμηση εικόνων βιοψίας μαστικού ιστού με συνελικτικά νευρωνικά δίκτυα |
title_fullStr |
Αυτόματη ταξινόμηση εικόνων βιοψίας μαστικού ιστού με συνελικτικά νευρωνικά δίκτυα |
title_full_unstemmed |
Αυτόματη ταξινόμηση εικόνων βιοψίας μαστικού ιστού με συνελικτικά νευρωνικά δίκτυα |
title_sort |
αυτόματη ταξινόμηση εικόνων βιοψίας μαστικού ιστού με συνελικτικά νευρωνικά δίκτυα |
publishDate |
2018 |
url |
http://hdl.handle.net/10889/11749 |
work_keys_str_mv |
AT kosmasēlias automatētaxinomēsēeikonōnbiopsiasmastikouistoumesyneliktikaneurōnikadiktya AT kosmasēlias automaticclassificationofbreasttissuebiopsyimageswithconvolutionalneuralnetworks |
_version_ |
1771297191963394048 |