Képi objektumok felismerése mély neuronhálókkal

OData támogatás
Konzulens:
Dr. Horváth Gábor
Méréstechnika és Információs Rendszerek Tanszék

Az emlőrák a nők körében legnagyobb arányban jelentkező rákos megbetegedés. Korai felismerése rendszeres szűréssel lehetséges, amelynek egyik legszélesebb körben alkalmazott eszköze a mammográfia. Mammográfiás felvételeken évtizedek óta alkalmaznak számítógép alapú elváltozásdetektáló rendszereket az orvosok munkájának segítésére.

A szakdolgozatomban a gépi látás területén az utóbbi években kiváló eredményeket elérő deep learning alapú megoldások alkalmazását vizsgáltam meg egy mammográfiás felvételeken elváltozásokat detektáló rendszer létrehozása során. Egy mammográfiás képkivágásokból álló adatkészlet felhasználásával olyan mély neurális hálókból álló rendszert alakítottam ki, amely nagy pontossággal képes ezen kivágások osztályozására. Ezt a rendszert végül egy általam készített program részeként teljes emlőt ábrázoló felvételek elemzésénél alkalmaztam.

A kivágások osztályozását a megalkotott modellek mikrokalcifikációk esetében 96%-os, denzitásoknál pedig 93%-os pontossággal végezték. Ezen modellek a teljes mammográfiás felvételeket vizsgáló rendszer részeként alkalmasnak bizonyultak mikrokalcifikációk felismerésére, ahol mintegy 96%-os érzékenységet értek el képenkénti 2,56 téves pozitív találat mellett. A denzitások azonosítását 79%-os érzékenységgel végezték képenként 1,95 téves pozitív találattal.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.