Η ταξινόμηση ακτινολογικών δεδομένων με τη χρήση νευρωνικών δικτύων

Abstract

Στόχος της παρούσας πτυχιακής εργασίας είναι η χρήση του αλγορίθμου HOG σε περιβάλλον Matlab με στόχο την ταξινόμηση ακτινολογικών εικόνων και στη συνέχεια η δημιουργία και εκπαίδευση νευρωνικού δικτύου για την ταξινόμηση αυτών των εικόνων. Για αυτό το σκοπό μελετήθηκε ένα σύνολο δεδομένων 150 εικόνων Dicom, οι οποίες ήταν στη μορφή jpeg. Σε περίπτωση που η εικόνα ήταν σε rgb μετατρέπονταν σε κλίμακα του γκρι αναπροσαρμόζοντας αυτές στις κανονικές διαστάσεις. Η εξαγωγή των χαρακτηριστικών των εικόνων βασισμένη στο HOG η οποία εφαρμόστηκε στις εικόνες χρησιμοποιώντας μια τιμή μεγέθους κελιού 128x128 είχε τη δυνατότητα να δώσει τιμές 324 χαρακτηριστικών από κάθε εικόνα. Με βάση αυτά τα χαρακτηριστικά δημιουργήθηκε ένα νευρωνικό δίκτυο βασισμένο σε patternnet με 20 hidden layers και επιλέγοντας ως τύπο δικτύου την backpropagation Levenberg-Marquardt. Επίσης, ορίστηκε η τυχαία κατανομή δεδομένων με αναλογίες 70% για εκπαίδευση, 15% για επικύρωση και 15% για δοκιμή των δεδομένων. Η απόδοση του νευρωνικού δικτύου μετρήθηκε με τη μέση τιμή σφάλματος.