Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/70366
Title: การแบ่งส่วนโรคหลอดเลือดเจริญผิดปกติบนภาพกล้องแคปซูลโดยใช้โครงข่ายตัวเข้ารหัสตัวถอดรหัสที่เพิ่มประสิทธิภาพ
Other Titles: Angiodysplasia segmentation on capsule endoscopy images using enhanced encoder-decoder networks
Authors: สิริชาติ กอบประดิษฐ์
Advisors: พีรพล เวทีกูล
Other author: จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
Advisor's Email: Peerapon.V@Chula.ac.th
Subjects: การส่องกล้องตรวจหลอดอาหาร
นิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)
Esophagoscopy
Neural networks ‪(Computer sciences)‬
Issue Date: 2562
Publisher: จุฬาลงกรณ์มหาวิทยาลัย
Abstract: โรคหลอดเลือดเจริญผิดปกติเป็นรอยแผลที่อาจเกิดขึ้นได้ในทางเดินอาหารส่วนล่าง ถึงแม้รอยแผลเหล่านี้จะไม่แสดงอาการเจ็บในผู้ป่วย แต่อาจเกิดการเลือดออกจากรอยแผลเหล่านี้ได้ หนึ่งในวิธีการตรวจสอบโรคนี้คือใช้การส่องกล้องแคปซูลไร้สายด้วยการกลืน ข้อมูลที่ได้จากการเก็บภาพภายในทางเดินอาหารจะมีปริมาณมากซึ่งจะมีทั้งภาพที่มีรอยโรคที่สนใจ และภาพที่ไม่มีรอยโรคปะปนกันอยู่ งานวิจัยการตรวจจับรอยโรคที่ได้ศึกษามานั้นมักมุ่งเน้นการสร้างแบบจำลองที่มีความแม่นยำในตรวจจับเฉพาะส่วนของภาพที่มีรอยโรคโดยเฉพาะ ไม่ได้ศึกษาการนำแบบจำลองไปใช้งานกับภาพส่วนที่ไม่มีรอยโรค วิทยานิพนธ์ฉบับนี้ได้เห็นถึงส่วนที่สามารถเพิ่มประสิทธิภาพแก่แบบจำลองในการใช้งานในโลกจริงได้เหมาะสมขึ้น โดยนำเสนอวิธีการประมวลผลภาพเบื้องต้น และการเพิ่มกลไกจุดสนใจแก่แบบจำลอง นอกจากนี้ยังได้นำเสนอการสร้างแบบจำลอง 2 รูปแบบคือ แบบจำลองเรียงซ้อน และแบบจำลองร่วมกัน เพื่อเพิ่มประสิทธิภาพในงานแบ่งส่วนโรคอีกด้วย การทดลองได้ทดสอบแบบชุดข้อมูลโรคหลอดเลือดเจริญผิดปกติ MICCAI 2017 และ MICCAI 2018 ผลลัพธ์แสดงให้เห็นว่าแบบจำลองร่วมกันที่นำเสนอมีประสิทธิภาพดีที่สุด สามารถแบ่งส่วนภาพ และจำแนกประเภทภาพที่มีรอยโรค และไม่มีรอยโรคได้ด้วยค่าคะแนนมาตรวัดที่สูง
Other Abstract: Angiodysplasia refers to a lesion that could be found in the lower gastrointestinal tract. Even though the lesions would not cause patients to hurt, it still would cause bleeding. The method that could diagnose this disease is swallowing a wireless endoscopy capsule. The wireless camera takes many pictures of pathology and non-pathology images. Many papers the researcher studied aim to create a model that focuses on precise pathology object detection, but miss the applying to a non-pathology image in the training process. This thesis address this issue by introducing the model more suitable to the real-world usage by proposed the image pre-processing and adding attention mechanism. Moreover, we propose two approaches: cascading and joint model. The experiment was conducted on MICCAI 2017 and MICCAI 2018. The results showed that the proposed joint model is the best model in angiodysplasia image segmentation and classification tasks.
Description: วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2562
Degree Name: วิทยาศาสตรมหาบัณฑิต
Degree Level: ปริญญาโท
Degree Discipline: วิทยาศาสตร์คอมพิวเตอร์
URI: http://cuir.car.chula.ac.th/handle/123456789/70366
URI: http://doi.org/10.58837/CHULA.THE.2019.1144
metadata.dc.identifier.DOI: 10.58837/CHULA.THE.2019.1144
Type: Thesis
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
6170970021.pdf2.74 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.