Detecția și clasificarea tumorilor

cerebrale
PROFESOR COORDONATOR: LASCU MIHAELA
STUDENT: PELE CARINA
MASTER: ELECTRONICA BIOMEDICALĂ
 
Cuprins
1. Introducere
2. Introducerea în Deep Learning
3.Metodologie
◦ 3.1. Achiziția datelor
◦ 3.2. Segmentarea imaginilor
◦ 3.3. Extragerea trasăturilor imaginilor
◦ 3.4. Clasificarea imaginilor

4. Rezultatele experimentale și analiza acestora

5 .Concluzii
6. Referințe
1. Introducere
 Tumorile cerebrale

Tumorile cerebrale sunt celule canceroase care cresc

necontrolat și atacă învelisul creierului.
Din punct de vedere al agresivității histologice, există 4 grade
ale tumorilor cerebrale, acestea sunt:
 Gradul I – tumorile benigne
 Gradul II – tumorile infiltrative
 Gradul III – tumorile semi-maligne
 Gradul IV – tumorile maligne
 Metode de detecție
Metode de detecție ale tumorilor
Metodele de screening utilizate pentru detecția
tumorilor cerebrale sunt:
 Computer Tomograf ultrasunetele
 Tomografia cu Emisie de Pozitroni
 Rezonanță Magnetică Nucleară
2. Introducerea în Deep Learning
 Deep Learning
Reprezentând un subdomeniu al învățării
automate, deep learning-ul se bazează pe:
 învățarea de niveluri multiple de reprezentări
 crearea de ierarhii de caracteritici
 niveluri superioare definite pe baza celor inferioare
3.METODOLOGIE
Extragerea
Încărcarea
trăsăturilor
imaginilor
imaginilor

Segmentarea Clasificare cu
imaginilor rețele neuronale
 Achiziția datelor
Setul de date cuprinde:
 3262 de imagini grayscale, rezultate în urma  Imagini craniene din perspectivă
scanării RMN, grupate în seturi de: • axială
• Antrenare – 2870 imagini • sagitală
• Testare – 392 imagini • coronală
Segmentarea imaginilor
Separarea și îndepărtarea Efectuarea segmentării
fundalului propriu-zise

Îndepărtarea straturilor
Îndepărtarea
encefalului și a obiectelor
craniului
de dimensiuni reduse
SEPARAREA ȘI ÎNDEPĂRTAREA FUNDALULUI ÎNDEPĂRTAREA CRANIULUI
Constă în: Cuprinde:
 Binarizare folosind metoda Otsu  Erodarea măștii de la pasul precedent
 Închiderea măștii  Obținerea unei noi măști
• Umplerea golurilor înglobate în mască
 Aplicarea acesteia
• Netezirea contururilor
• Unirea obiectelor foarte apropiate
 Aplicarea măștii
 ÎNDEPĂRTAREA STRATURILOR ENCEFALULUI ȘI
SEGMENTAREA PROPRIU-ZISĂ A OBIECTELOR DE DIMENSIUNI REDUSE
Se efectuează prin: Cuprinde:

 Binarizarea variabilă  Erodarea măștii obținute de la la pasul de

• Asocierea unui prag fiecărui pixel înlăturare a craniului
• Calcularea pe baza  Eliminarea obiectelor de dimensiuni foarte reduse
• valorii pixelilor
• caracteristicilor pixelilor dintr-o vecinătate.
Extragerea trasăturilor imaginilor
Metoda PCA utilizată în cadrul lucrării pentru extragerea trăsăturilor este necesară în procesul
de detecție și clasificare deoarece :
 reduce dimensionalitatea datelor
 scade timpul de antrenare
 poate imbunătăți performanțele de clasificare.
Clasificarea imaginilor
 Rețelele neuronale artificiale sunt formate  Rețeaua neuronală artificială utilizată în
prin interconectarea unor neuroni artificiali cadrul lucrării este de tip feed-forward cu 3
care încearcă să imite modul de funcționare al straturi ascunse.
neuronilor biologici.
 Funcția de cost folosită:
 Acestea pot fi utilizate pentru diverse scopuri • cross-entropy
cum ar fi:
• aproximarea unor funcții
• clasificarea unor instanțe de date
4.REZULTATE EXPERIMENTALE ȘI
ANALIZA ACESTORA
 Rezultatele obținute experimental au fost  Valorile indicatorilor de performanță ai
reprezentate cu ajutorul matricei confuziilor. clasificării obținuți pentru fiecare clasă:
Concluzii
 Pentru clasificarea si detecția tumorilor cerebrale s-a folosit o rețea neuronală multistrat
 Acuratețe obținută: 74.1%
 Performanțe nu sunt neaparat satisfăcătoare pentru scopul propus
 Cauze posibile:
 arhitectura clasificatorului
 prelucrările efectuate asupra imaginilor
 Măsuri posibile pentru îmbunătățirea performanțelor:
 mărirea dimensiunilor setului de date
 modificarea procesului de segmentare sau de extragere de trăsături
 folosirea unei rețele neuronale convoluționale
Mulțumesc pentru atenție!