ДИПЛОМНАЯ РАБОТА ПОИСК СТРУКТУРНЫХ ЗАКОНОМЕРНОСТЕЙ СТРОЕНИЯ ТОМОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ КОНЦЕПЦИИ АКТИВНЫХ АГЕНТОВ магистранта Левчука Виталия. - презентация

1 ДИПЛОМНАЯ РАБОТА ПОИСК СТРУКТУРНЫХ ЗАКОНОМЕРНОСТЕЙ СТРОЕНИЯ ТОМОГРАФИЧЕСКИХ ИЗОБРАЖЕНИЙ НА ОСНОВЕ КОНЦЕПЦИИ АКТИВНЫХ АГЕНТОВ магистранта Левчука Виталия Андреевича Научный руководитель канд. физ.-мат. наук Чернявская Элина Александровна

2 ЦЕЛИ РАБОТЫ Разработать алгоритм поиска закономерностей (особенностей) строения томографических изображений Изучить потенциал самоорганизующихся систем применительно к задачам выявления скрытых закономерностей Проверить применимость алгоритма к задаче анализа объёмных баз данных

3 ЗАДАЧА ПОИСКА ЗАКОНОМЕРНОСТЕЙ СТРОЕНИЯ ЗАКОНОМЕРНОСТЬ – связь между структурами на изображениях и некими данными (состоянием здоровья пациента) Какие структуры на изображениях являются «ОСОБЕННЫМИ», характерными только для определенных классов изображений и где они находятся ?? МОТИВАЦИИ задачи поиска закономерностей (особенностей): 1. Научная медицина (изучение способов диагностики заболеваний, обнаружение признаков тех или иных характеристик протекания болезни, прогнозирование) 2. Работа с большими массивами данных (автоматической оценки степени распространения заболевания, для более информативной и удобной визуализации больших объёмов данных)

4 ПОНЯТИЕ «ОСОБЕННЫХ» СТРУКТУР БАЗОВЫЕ ИЗОБРАЖЕНИЯ ИССЛЕДУЕМЫЕ ИЗОБРАЖЕНИЯ БАЗОВЫЕ СТРУКТУРЫ («ОБЫЧНЫЕ») «ОСОБЕННЫЕ» СТРУКТУРЫ ?

5 ВЫЧИСЛЕНИЕ СТЕПЕНИ «ОСОБЕННОСТИ» БАЗОВЫЕ СТРУКТУРЫ («ОБЫЧНЫЕ») «ОСОБЕННЫЕ» СТРУКТУРЫ БАЗОВЫЕ ДЕСКРИПТОРЫ «ОСОБЕННЫЕ» ДЕСКРИПТОРЫ ДЕСКРИПТОРЫ – матрицы совместной встречаемости типа IID Вычисляются минимальные расстояния до базовых дескрипторов МИНИМАЛЬНОЕ РАССТОЯНИЕ ДО БАЗОВЫХ ДЕСКРИПТОРОВ ВЫРАЖАЕТ СТЕПЕНЬ «ОСОБЕННОСТИ»

6 КОНЦЕПЦИЯ АКТИВНЫХ АГЕНТОВ Biologically inspired computingBiologically inspired computing Swarm IntelligenceSwarm Intelligence Агент – это программный модуль, обладающий следующими свойствами: o цикл агента o запас знаний o обмен информацией o роль Преимущества мульти-агентных систем: o самообучение o самоорганизация o коллективное решение задачи o возможность параллелизма

7 МУЛЬТИ-АГЕНТНАЯ СИСТЕМА БАЗОВЫЕ ИЗОБРАЖЕНИЯ ИССЛЕДУЕМЫЕ ИЗОБРАЖЕНИЯ ПРОВЕРЯЮЩИЕ АГЕНТЫ ИЩУЩИЕ АГЕНТЫ ВЗАИМОДЕЙСТВИЕ ПОНЯТИЯ «ОБЫЧНЫХ» И «ОСОБЕННЫХ» СТРУКТУР

8 ПОВЕДЕНИЕ АГЕНТОВ 1. Загрузка изображений 2. Помещение агентов, инициализация 3. Для каждой итерации повторять: 4. { 5. Анализ состояний агентов 6. Вычисление пороговых значений 7. Для каждого агента выполнить: 8. { 9. Наблюдение 10. Принятие решения о характере движения 11. Смещение положения (случайное/целевое) 12. Контроль жизни агента (размножение/смерть) 13. } 14. } 15. Анализ конечных положений агентов

9 СРАВНЕНИЕ ДВУХ ИЗОБРАЖЕНИЙ ПРОДЕМОНСТРИРУЕМ РАБОТУ АЛГОРИТМА НА ПРИМЕРЕ ЗАДАЧИ СРАВНЕНИЯ ДВУХ ИЗОБРАЖЕНИЙ (НАХОЖДЕНИЯ РАЗЛИЧИЙ) СЛОЙ ИЗОБРАЖЕНИЯ 1 (ЗДОРОВОГО ЛЁГКОГО) СЛОИ ИЗОБРАЖЕНИЯ 2 (БОЛЬНОГО ЛЁГКОГО)

10 СРАВНЕНИЕ ДВУХ ИЗОБРАЖЕНИЙ СЛОИ ИЗОБРАЖЕНИЯ 1 (ЗДОРОВОГО ЛЁГКОГО) СЛОИ ИЗОБРАЖЕНИЯ 2 (БОЛЬНОГО ЛЁГКОГО) ИТЕРАЦИЯ 4 ПРОВЕРЯЮЩИЕ ИЩУЩИЕ

11 СРАВНЕНИЕ ДВУХ ИЗОБРАЖЕНИЙ СЛОИ ИЗОБРАЖЕНИЯ 1 (ЗДОРОВОГО ЛЁГКОГО) СЛОИ ИЗОБРАЖЕНИЯ 2 (БОЛЬНОГО ЛЁГКОГО) ИТЕРАЦИЯ 37 ПРОВЕРЯЮЩИЕ ИЩУЩИЕ

12 СРАВНЕНИЕ ДВУХ ИЗОБРАЖЕНИЙ СЛОИ ИЗОБРАЖЕНИЯ 1 (ЗДОРОВОГО ЛЁГКОГО) СЛОИ ИЗОБРАЖЕНИЯ 2 (БОЛЬНОГО ЛЁГКОГО) ИТЕРАЦИЯ 100 ПРОВЕРЯЮЩИЕ ИЩУЩИЕ

13 ОБРАБОТКА 105 ИЗОБРАЖЕНИЙ БАЗОВЫЕ ИЗОБРАЖЕНИЯ – НАБОР ИЗОБРАЖЕНИЙ ЗДОРОВЫХ ЛЁГКИХ ПАЦИЕНТОВ ИССЛЕДУЕМЫЕ ИЗОБРАЖЕНИЯ – ВСЕ ИЗОБРАЖЕНИЯ ИЗ БАЗЫ ДАННЫХ РЕЗУЛЬТАТЫ: ВСЕГО 105 ИЗОБРАЖЕНИЙ Выделен туберкулёз (+) Выделены другие структуры (–) На основе мульти- агентной системы 85 (81%)71 (68%) На основе обучающей выборки 73 (70%)70 (67%)

14 ОБРАБОТКА 105 ИЗОБРАЖЕНИЙ ПРИМЕРЫ ВЫДЕЛЕНИЯ ТУБЕРКУЛЁЗА ПРИМЕРЫ ВЫДЕЛЕНИЯ ДРУГИХ ОБЪЕКТОВ (АРТЕФАКТЫ, БРОНХИ)

15 ПОИСК ПРИЗНАКОВ ЛЕКАРСТВЕННОЙ УСТОЙЧИВОСТИ В задаче поиска структурных закономерностей строения, связанных со степенью лекарственной устойчивости, алгоритм НЕ ДАЛ статистически значимых результатов. В единичных случаях на изображениях пациентов с высокой степенью ЛУ были выделены крупные узловые образования (solitary pulmonary nodules)

16 РЕЗУЛЬТАТЫ Разработан алгоритм поиска закономерностей (особенностей) строения томографических изображений Изучен потенциал самоорганизующихся систем применительно к задачам выявления скрытых закономерностей Проверена применимость алгоритма к задаче анализа объёмных баз данных

17 СПАСИБО ЗА ВНИМАНИЕ!