Automated liver tumor segmentation and classification using AI and fully convolutional neural network (CNN)

Bu tezin amacı, AI ve tamamen evrişimli sinir ağı (FCNN) kullanarak otomatik karaciğer tümörü segmentasyonu ve sınıflandırması tasarlamak ve uygulamaktır. Bu, gelişmiş nesne tanıma sistemlerinden bahsederken daha fazla zorluğu temsil eder. Bu konunun pratik bir örneği, resimlerdeki nesnelerin tanınmasıdır. Bu, insanların çok iyi gerçekleştirebileceği bir görevdir, ancak Tam Evrişimli Ağ (FCN) sistemleri gerçekleştirmek için mücadele etmez. Görsel Geometri Grubu (VGG-16) önceden eğitilmiş model, R2019a Matlab'da çok büyük ölçekli veri setinde sorunsuz mimari olması nedeniyle veri setinin eğitimi için kullanıldı. "LiTS veri seti" kullanıldı. Veri seti, eğitim için% 70 ve test bölümü için% 30 oranında bölündü. Bu, tamamen evrişimli sinir ağının, ağ mimarileri ve bunları eğitmek için yeni algoritmalarla deneyler yapmaya başlamasını sağladı. Bu araştırma tezi, R2019a Matlab'da karaciğer tümör görüntülerinin tanınması için sağlamlıklarını geliştirmek gibi ağları eğitmek için bir yaklaşım sunar. Bu eğitim stratejisi daha sonra tasarlanmış VGG-16 ağ mimarisi için değerlendirilir. Çalışmanın sonucu, eğitim algoritmasının, yüksek segmentasyon ve sınıflandırma doğruluğu ile hastalık görüntülerinin performansında bir artış pahasına, farklı karaciğer lezyon örneklerini tanımaya yönelik sağlamlığı artırabileceğiydi. Farklı mimari türlerinin avantajları değerlendirildiğinde, 10 çapraz kat doğrulama ile 28 saat süren 300 eğitim dönemi ile karaciğer lezyonu görüntüsüne göre karaciğer tümörünün doğruluğunun% 91,28 civarında olduğu bulunmuştur. Araştırma, karaciğer tümörü segmentasyonu için VGG-16 ile tam otomatik FCN modelini yenilikçi bir şekilde birleştiriyor. İkinci olarak, tıbbi görüntülemede etiket dengesizliği sorunu ile ilgili olarak, ROI'leri bulmak ve yerel segmentasyonları gerçekleştirmek amacıyla nesne algılama tekniklerini semantik segmentasyon çerçevemize entegre ediyoruz. Bu lezyon lokalizasyonu adımı, segmentasyon ağlarının eğitilmesi için ek bir denetim düzeyi getirir.