• Konvolyutsion neyron tarmog‘ini o‘rgatish (CNN)
  • Xususiyatlarni o‘rganish va ierarxik vakillik
  • Semantik segmentatsiya
  • Keyingi ishlov berish va takomillashtirish
  • Ma’lumotlarni tayyorlash va izohlash




    Download 1,33 Mb.
    bet7/10
    Sana15.05.2024
    Hajmi1,33 Mb.
    #233983
    1   2   3   4   5   6   7   8   9   10
    Bog'liq
    Amaliyot hisoboti

    Ma’lumotlarni tayyorlash va izohlash: Jarayon qiziqarli hududlarni (masalan, organlar, jarohatlar) ko‘rsatadigan haqiqat niqoblari bilan izohlangan rentgen tasvirlari ma’lumotlar to‘plamini olish bilan boshlanadi. Rentgen tasvirlarini izohlash tasvirlardagi muayyan tuzilmalarni yoki anormalliklarni qo‘lda yoki yarim avtomatik tarzda belgilashni o‘z ichiga oladi, AI modeli uchun nazorat ostida o‘quv ma’lumotlarini taqdim etadi.
    Konvolyutsion neyron tarmog‘ini o‘rgatish (CNN): CNN - bu tasvir ma’lumotlaridan ierarxik ko‘rinishlarni avtomatik ravishda o‘rganish uchun mo‘ljallangan chuqur o‘rganish modelining bir turi. CNN kirish tasvirlari va tegishli segmentatsiya maskalari o‘rtasidagi xaritalashni o‘rganish uchun izohli rentgen tasvirlari yordamida o‘qitiladi. Trening davomida CNN belgilangan yo‘qotish funktsiyasidan (masalan, o‘zaro entropiya yo‘qolishi) bashorat qilingan niqoblar va yerdagi haqiqat maskalari o‘rtasidagi tafovutni minimallashtirish uchun o‘zining ichki parametrlarini (masalan, og‘irliklar va tarafkashliklarni) sozlaydi.
    Xususiyatlarni o‘rganish va ierarxik vakillik: o‘qitilgan CNN bir nechta abstraktsiya darajasida rentgen tasvirlaridan mazmunli xususiyatlarni ajratib olishni o‘rganadi. Pastki darajadagi konvolyutsion qatlamlar asosiy xususiyatlarni (masalan, qirralar, to‘qimalarni) ushlaydi, chuqurroq qatlamlar esa segmentatsiya vazifasiga mos keladigan murakkabroq tuzilmalarni (masalan, shakllar, konturlar) kodlaydi.
    Semantik segmentatsiya: CNN har bir kirish rentgen tasviri uchun pikselli segmentatsiya niqobini chiqaradi, bu erda har bir piksel qiziqish tuzilmalariga mos keladigan turli toifalarga tasniflanadi. Bu jarayon, odatda, har bir piksel uchun bir nechta sinflar (masalan, fon, organlar, shikastlanishlar) bo‘yicha ehtimollik taqsimotini ishlab chiqarish qatlamida softmax faollashtirish funksiyasi yordamida amalga oshiriladi.
    Keyingi ishlov berish va takomillashtirish: Segmentatsiya natijalarini aniqlashtirish uchun chegarani belgilash, morfologik operatsiyalar (masalan, eroziya, kengayish) va bog‘langan komponentlarni tahlil qilish kabi keyingi ishlov berish usullari qo‘llanilishi mumkin. Ushbu usullar shovqinni olib tashlash, bo‘shliqlarni to‘ldirish va segmentlangan tuzilmalarning silliq va aniq konturlarini ta’minlashga yordam beradi.

    Download 1,33 Mb.
    1   2   3   4   5   6   7   8   9   10




    Download 1,33 Mb.

    Bosh sahifa
    Aloqalar

        Bosh sahifa



    Ma’lumotlarni tayyorlash va izohlash

    Download 1,33 Mb.