Konvolúciós neurális hálók felhasználása nőgyógyászati területekről származó problémákhoz

Dátum
Folyóirat címe
Folyóirat ISSN
Kötet címe (évfolyam száma)
Kiadó
Absztrakt

A 21. században folyamatosan növekedett az egész világon a mesterséges megtermékenyítéshez kapcsolódóan elvégzett műtétek száma. Sajnos a sikeres beültetések aránya alacsonynak mondható, amely az elmúlt években sem változott meg jelentősen. Egy ilyen műtét sikertelensége nagymértékű traumával jár a páciensnek, amely a többszöri próbálkozás során tovább növekedhet. A sikertelenség egyik fő oka az, hogy a beültetett petesejt nem tapad meg a méhfalon és így kilökődik a szervezetből. A hagyományos hiszteroszkópia során készülő felvételekből nem képesek az orvosok olyan extra információt kinyerni, mely segítségül szolgálna annak eldöntésében, hogy a beültetés sikeres lesz-e. Lehetőséget kaptam, hogy részt vegyek egy projektben, melyek célja a petesejt sikeres beültetésének támogatása a méhnyálka általános állapotának felmérésével oly módon, amely eltér az eddig használt módszerektől. Ennek a megvalósítását egy olyan rendszer létrehozásával szeretnénk elérni, amely még a beültetés előtt előre tudná jelezni, hogy sikeres lesz-e a megtermékenyítés. A rendszer a fő komponensei a következők: speciális megvilágító egység, a képeket rögzítő kamera és a felvételeket feldolgozó szoftver. A megvilágító egység képes a látható spektrumnak csak egy kis részintervallumát kibocsátani, viszont változtatható, hogy a látható fénytartomány mely részét fedi le ez az intervallum. A különböző hullámhosszú fény a méhnyálkahártya különböző mélységeiből verődik vissza, így a méhfalról más és más tulajdonságokat kiemelő képeket tudunk készíteni. Ezeket a képeket egy erre alkalmas kamera fogja rögzíteni. A felvételek közötti különbségek kismértékűek, szabad szemmel nem vizsgálhatók, ezért szükség van egy olyan szoftverre, amely képfeldolgozás segítségével előbb kinyeri az érdekes területeket a képekről (a mi esetünkben ez a méhfal), majd különböző tulajdonság leírók vagy mélytanuló algoritmusok alkalmazásával ad egy predikciót a beültetés sikerességére nézve. Dolgozatom témája az előbb említett szoftver első részének megvalósítása, mely során szegmentálás segítségével meghatározom a képek azon részeit, amelyen a méhfal található. Az érdekes terület kinyerését hagyományos, a teljes látható fénytartományban készült képeken fogom elvégezni, mivel egyrészt még nem készültek felvételek a speciális megvilágító egységgel, másrészt ezekkel a képeken hatékonyabban lehet szegmentálni. 3 Ahogy az 1.ábrán is látható, ezeken a képeken több olyan objektum is található ( buborékok, szövetdarabok stb.), melyeket ki kell szűrni a felvételekből. A képek mennyisége és a feladat nehézsége miatt hamar egyértelművé vált, hogy csak olyan megoldás fogadható el, amely teljesen automatikusan képes ezt a feladatot elvégezni. Ennek a megvalósítása viszont a megszokott, sztenderd módszerekkel, mint például klaszterezés, régió alapú szegmentálás vagy kontúr alapú szegmentálás, nehezen elvégezhető a nem kellő mértékben definiált tulajdonságok miatt. Miután a hagyományos megoldásokat kizártam, elkezdtem alternatív lehetőségeket felkutatni, mint például a gépi tanulásokon alapuló módszerek. Az utóbbi években igen népszerű területté vált, mely a képfeldolgozásban is egyre jelentősebb tényezővé nőtte ki magát, ezzel háttérbe szorítva az eddigi konvencionális megközelítéseket. A gépi tanulás egyik fajtája az úgynevezett neurális hálózatok, melyeknek egy speciális változatát, a konvolúciós neurális hálókat szokták a képfeldolgozási problémák megoldásához használni. 2015 második felében hoztak létre olyan modelleket, melyek képesek a bemenetként megadott képeket szegmentálni oly módon, hogy egy pixelszintű osztályozást hajtanak végre megadott felvételeken. Dolgozatom célja ezeknek a hálóknak a felhasználásával egy olyan szegmentálásra képes modell létrehozása, amely a lehető legpontosabban képes meghatározni a képeken található méhfal területét, melyet a későbbiekben felhasználhatunk a további vizsgálatokhoz.

Leírás
Kulcsszavak
Neurális hálózat, szegmentálás, képfeldolgozás
Forrás