|
|
Klasifikační metody analýzy vrstvy nervových vláken na sítnici
Zapletal, Petr ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Tato práce se zabývá klasifikací vrstvy nervových vláken na sínici. Pro klasifikaci jsou použita data získaná šesti různými metodami texturní analýzy. Každá metoda vypočítá ze vstupních obrazů vektor příznaků, který je pro danou skupinu charakteristický. Vlastní třídění je realizováno třemi algoritmy učení s učitelem a jedním algoritmem učení bez učitele. Jako první je otestován algoritmus Ho-Kashyap. Poté Bayessovský klasifikátor NDDF (Normal Density Discriminant Function) a pro třetí klasifikátor je použita metoda nejbližších sousedů (Nearest Neighbors) k-NN. Jako poslední je zde odzkoušen klasifikátor K-means, který pracuje na principu shlukové analýzy. Pro větší kompaktnost jsou použity tři metody výběru testovacích dat pro algoritmy učení s učitelem. Jsou to „Repeated random subsampling cross validation“, „K-fold cross validation“ a „Leave one out cross validation“. Všechny použité třídící algoritmy jsou nakonec porovnány podle výsledné chyby klasifikace.
|
|
|
Texturní analýza vrstvy nervových vláken na snímcích sítnice
Novotný, Adam ; Jan, Jiří (oponent) ; Odstrčilík, Jan (vedoucí práce)
Práce popisuje zcela novou metodu detekce poškození vrstvy nervových vláken (VNV) v barevných fotografiích sítnice. Poškození VNV je jedním z příznaků glaukomového onemocnění a jeho včasné odhalení je zcela zásadní. Metoda je představena s cílem podpořit včasnou diagnostiku glaukomu v oftalmologii. Základem metody je využití lokálních binárních operátorů (LBP). Tento přístup texturní analýzy je charakteristický zejména výpočetní jednoduchostí a invariantností vůči monotónním změnám jasu obrazu. Z obrazových histogramů LBP distribucí je získáno několik texturních příznaků, které slouží ke klasifikaci zdravé či nemocné tkáně sítnice. Metoda byla otestována na snímcích sítnice pacientů s výpadkem ve VNV. Výsledky ukazují, že lze navrženou metodu texturní analýzy s úspěchem použít pro účely podpory diagnostiky glaukomu.
|
|
|
Texturní analýza vrstvy nervových vláken na snímcích sítnice
Novotný, Adam ; Jan, Jiří (oponent) ; Odstrčilík, Jan (vedoucí práce)
Práce popisuje zcela novou metodu detekce poškození vrstvy nervových vláken (VNV) v barevných fotografiích sítnice. Poškození VNV je jedním z příznaků glaukomového onemocnění a jeho včasné odhalení je zcela zásadní. Metoda je představena s cílem podpořit včasnou diagnostiku glaukomu v oftalmologii. Základem metody je využití lokálních binárních operátorů (LBP). Tento přístup texturní analýzy je charakteristický zejména výpočetní jednoduchostí a invariantností vůči monotónním změnám jasu obrazu. Z obrazových histogramů LBP distribucí je získáno několik texturních příznaků, které slouží ke klasifikaci zdravé či nemocné tkáně sítnice. Metoda byla otestována na snímcích sítnice pacientů s výpadkem ve VNV. Výsledky ukazují, že lze navrženou metodu texturní analýzy s úspěchem použít pro účely podpory diagnostiky glaukomu.
|
|
|
Klasifikační metody analýzy vrstvy nervových vláken na sítnici
Zapletal, Petr ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Tato práce se zabývá klasifikací vrstvy nervových vláken na sínici. Pro klasifikaci jsou použita data získaná šesti různými metodami texturní analýzy. Každá metoda vypočítá ze vstupních obrazů vektor příznaků, který je pro danou skupinu charakteristický. Vlastní třídění je realizováno třemi algoritmy učení s učitelem a jedním algoritmem učení bez učitele. Jako první je otestován algoritmus Ho-Kashyap. Poté Bayessovský klasifikátor NDDF (Normal Density Discriminant Function) a pro třetí klasifikátor je použita metoda nejbližších sousedů (Nearest Neighbors) k-NN. Jako poslední je zde odzkoušen klasifikátor K-means, který pracuje na principu shlukové analýzy. Pro větší kompaktnost jsou použity tři metody výběru testovacích dat pro algoritmy učení s učitelem. Jsou to „Repeated random subsampling cross validation“, „K-fold cross validation“ a „Leave one out cross validation“. Všechny použité třídící algoritmy jsou nakonec porovnány podle výsledné chyby klasifikace.
|
host ::
RSS.