Wykrywanie krwi na obrazach bronchoskopowych za pomocą sieci neuronowych

W artykule zaprezentowano eksperymenty dotyczące wykorzystania sieci neuronowych typu SOM-supervised do klasyfikacji pikseli (HSV) z obrazów bronchoskopowych. Na podstawie oceny wizualnej wybrano sześć obrazów przeznaczonych do uczenia sieci. Dla każdego obrazu utworzono zbiór uczący na podstawie zmodyfikowanego zaznaczenia obszaru krwawienia. Zbiory te scalono, przy czym zadbano o wyeliminowanie powstałych sprzeczności. Przeprowadzono uczenie sieci SOM w dwóch wariantach: dla sieci większych i mniejszych. Dokonano analizy wyników zarówno dla zbiorów uczących, jak i dla 14 obrazów testowych. Sformułowano wnioski dotyczące metodyki uczenia oraz dalszego przetwarzania wykrytych obszarów krwawień.

---

In the paper the experiments with using SOM-supervised neural networks for pixel (HSV) classification were presented. Six visually different images were chosen to be the basis for the SOM training. For these images learning sets were created based on the refined masks of the bleeding regions pointed out by the doctor. Next the six learning sets were merged and the ambiguous pixel representations were removed. Two types of SOM-supervised networks (of "normal" and "small" sizes) were created and learned. The classification results were obtained and analyzed both for learning sets and for 14 test images. Several conclusions were stated concerning the learning methodology and the bleeding areas postprocessing.