20190904 progress report

Transcript

1. 108/09/04 進度報告 學⽣生：李政璋
 教授：曾柏軒
2. 108/09/04 進度報告 【⽬目前進度 】環境配置 2 ‣ 資料數：200 對⼿手動標註影像 ‣ Model: U-Net ‣ Input shape: 512 * 512 * 1 ‣ Output shape: 512 * 512 * 1 ‣ Batch size: 2 ‣ Epoch: 50 ‣ GPU: NVIDIA GeForce GTX 1080 Ti 11GB
3. 108/09/04 進度報告 【⽬目前進度 】訓練資料 ▸ Training set example 3 Original image Label image
4. 108/09/04 進度報告 【⽬目前進度 】初始訓練結果 4 ▸ Loss function 為 MSE，並改變 label data，得到增強的⾎血管影像。
5. 108/09/04 進度報告 【⽬目前進度 】分割訓練結果 5 ▸ Loss function 為 binary cross entropy，並改變 label data 為⽩白底⿊黑值， 得到 segmentation 的影像。 sen: 靈敏度，⾎血管的完整性。⾎血管越完整，靈敏度越⾼高。
 spe: 特異異度，雜訊的程度。雜訊越低，特異異度越⾼高。
 pre: 精確度，訓練出來來的影像，判斷正確的比例例。
6. 108/09/04 進度報告 【⽬目前進度 】不同的訓練集 ▸ 訓練出來來的模型，套⽤用在醫師助理理標註的影像。 6
7. 108/09/04 進度報告 【⽬目前進度 】比較原始⽅方法 ▸ 與傳統的 frangi filter 比較，靈敏度較⾼高，特異異度則降低。 7
8. 108/09/04 進度報告 問題描述 1. Deeplab Tutorial 套⽤用醫學影像資料集，無法跑出訓練結果。 8
9. 108/09/04 進度報告 本⽉月預計進度 1. 提⾼高訓練資料數量量。 2. 解決 Deeplab 無結果的問題。 9
10. THANK YOU FOR YOUR LISTENING!