Нейросетевое распознавание новообразований на маммограммах с использованием алгоритма MSER и текстурных признаков Долгополов А.В., Казанцев П.А. К.т.н., - презентация

1 Нейросетевое распознавание новообразований на маммограммах с использованием алгоритма MSER и текстурных признаков Долгополов А.В., Казанцев П.А. К.т.н., ООО «ПАВЛИН ТЕХНОЛОГИИ» (Октябрь 2013)

2 AI Components and Systems Pawlin Tech Ltd, Задачи 1.Обнаружение новообразований на маммограммах (рак, киста) с точностью не меньшей, чем заявляется в мировой литературе 2.Используемый алгоритмический базис должен обладать алгоритмической паралеллизуемостью для эффективной реализации на графических процессорах (NVIDIA GPU)

3 AI Components and Systems Pawlin Tech Ltd, Этапы алгоритма Выделение областей интереса (MSER) Расчет текстурных признаков (LBP) Классификация вектора признаков (нейронная сеть) Маммограмма Новообразование обнаружено / не обнаружено

4 AI Components and Systems Pawlin Tech Ltd, MSER Maximally Stable Extremal Regions (MSER) – наиболее устойчивые области Используется для выделения областей, чьи яркостные характеристики сильно отличаются от окружения (blobs)

5 AI Components and Systems Pawlin Tech Ltd, LBP Local binary patterns – локальные бинарные шаблоны Используется для описания и классификации текстур изображения Номер бина ЧастотаЧастота

6 AI Components and Systems Pawlin Tech Ltd, Выбор текстурных признаков Разбиение области интереса на подобласти Цикл предварительного обучения трехслойной нейронной сети Во входной вектор отбираются компоненты гистограмм Когда ошибка обучения перестает уменьшаться в достаточной степени – предварительное обучение останавливается и состав входного вектора фиксируется. В результате экспериментов была найдена наиболее оптимальная конфигурация вектора признаков: по 3 компоненты гистограммы для центральной и внутренней подобласти и 2 для внешней подобласти. Итого, размерность входного пространства признаков – 8. Три отдельных LPB- гистограммы

7 AI Components and Systems Pawlin Tech Ltd, Обучение нейронной сети Наиболее оптимальной конфигурацией сети оказалась конфигурация 8x80x1 (трехслойная нейронная сеть с 80 нейронами в скрытом слое) Обучающая выборка: использовалось 10 случайно выбранных изображений с новообразованиями и 34 случайно выбранных изображений без новообразований.

8 AI Components and Systems Pawlin Tech Ltd, Результаты экспериментов 8 Метрика качества Результат Мировой уровень Полнота 100% 82-98% Процент маммограмм с ложными срабатываниями 8% 2-3 ложных срабатывания на маммограмму Красные прямоугольники – обнаруженные новообразования Голубые прямоугольники – вероятные места новообразований

9 AI Components and Systems Pawlin Tech Ltd, Ускорение алгоритма на GPU 9 Коэффициент ускорения Нейронная сеть прямого распространения 20 Локальные бинарные шаблоны 15 Общее ускорение 17

10 Спасибо за внимание! контакты: