Analiza obrazów medycznych- segmentacja i detekcja obiektów

Abstract

W pracy opisane są dwa zagadnienia zastosowania algorytmów uczenia maszynowego dla obrazów- segmentacja obrazu oraz detekcja obiektów. Algorytmy opisane w pracy wykorzystują uczenie z nadzorem oraz głębokie sieci neuronowe, w szczególności sieci konwolucyjne. Pierwszym zagadnieniem przedstawionym w pracy jest segmentacja guzów w sekwencjach obrazów pochodzących z badań głowy uzyskanych dzięki obrazowaniu rezonansu magnetycznego. Do realizacji segmentacji obrazu, użyłem sieci neuronowej o architekturze U-Net. Drugim zagadnieniem jest detekcja zębów w dwuwymiarowych obrazachrzutach okluzyjnych szczęki i żuchwy trójwymiarowych ortodontycznych modeli diagnostycznych. Do realizacji tego zagadnienia wykorzystałem Tensorflow Object Detection API wraz z architekturą sieci typu Faster Region Based Convolutional Neural Network (Faster R-CNN).