植基於means及边界扩展.pptVIP

資料總筆數為N，分群的群集數目為K，計算群集中心所需的迴圈數t * 植基於K-means及邊界擴展為基礎的快速乾癬影像切割法 指導老師 吳明霓 學生 劉奕麟 鄧文淵 魏宏達 研究動機與目的 實驗結果 研究方法 簡 報 大 綱 研究動機與目的 研究動機與目的 藉由電腦運算能力，降低醫師實務上判讀乾癬影像耗費的時間。 縮小系統判讀圖和醫師手繪圖兩者之間的差距，提高對乾癬醫療影像的判讀正確率。 提出更有效率的演算法以達到快速分割的目的。 降低影像雜訊干擾的程度。 乾 癬 醫 學 影 像 圖 乾癬因角質和脫皮情況產生各種不同的影像資訊。 影像因拍攝燈光或角度的不同造成判讀困難。 拍攝機器的好壞會造成影像有較多的雜訊，影響方法判讀結果。 實 驗 結 果 實 驗 結 果 影像判讀正確率 (使用ME法與醫生手繪圖比較誤差) 方法耗費的時間複雜度(Big O) Misclassification Error(前景) 0 1 0 0 0 0 1 1 1 0 0 1 1 1 0 0 0 1 1 0 0 1 1 0 0 0 0 0 1 0 0 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 0 0 0 0 0 1 0 1 0 0 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 1 1 0 0 醫師手繪圖(5x5) 實驗結果圖(5x5) 我們拿一個例子來說明ME法，圖中1代表前景，0代表背景，先做前景，經比對後，可得到前景相同部分(綠色部分)。 比對後 Misclassification Error(前景) 0 1 0 0 0 0 1 1 1 0 0 1 1 1 0 0 0 1 1 0 0 1 1 0 0 0 0 0 1 0 0 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 0 0 0 0 0 1 0 1 0 0 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 1 1 0 0 醫師手繪圖(5x5) 實驗結果圖(5x5) 比對後 經比對後，可得到前景相同部分(綠色部分)。 Misclassification Error(背景) 0 1 0 0 0 0 1 1 1 0 0 1 1 1 0 0 0 1 1 0 0 1 1 0 0 0 0 0 1 0 0 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 0 0 0 0 0 1 0 1 0 0 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 1 1 0 0 醫師手繪圖(5x5) 實驗結果圖(5x5) 比對後 經比對後，可得到背景相同部分(綠色部分)。 Misclassification Error 0 1 0 1 0 0 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 1 1 0 0 前景ME圖(5x5) 背景ME圖(5x5) 右圖綠色即為醫師手繪圖與實驗結果圖相同部分。 相加 0 1 0 1 0 0 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 1 1 0 0 0 1 0 1 0 0 1 1 1 1 0 1 1 1 1 0 1 1 1 0 0 1 1 0 0 我們採用ME方法對醫師手繪圖和實驗方法做影像準確度的比較。我們設定醫師手繪圖為百分之百(100%)效率水準，本實驗結果顯示，使用本文方法後的乾癬影像判讀率，其判讀率平均皆88.98%的高水準比率。 Figure no. 判讀率(%) Figure.(a) 97.23% Figure.(b) 94.49% Figure.(c) 75.22% 平均 88.98% 系統方法圖對照醫師手繪圖之判讀率 (a) Figure.(a)(b)(c) 實驗結果圖 (c) (b) K-mean Median Filter Erosion Dilatsion Binary Image Sobel Morphological reconstruction Results Original Image Original Image 時 間 複 雜 度 經過以上各階段的時間複雜度分析，可得到總時間複雜度為O(N2) O(N2) O(N*K*t) O(N2) O(N2) O(N2) O(N2) 研 究 方 法 K-mean Median Filter Erosion Dilation Binary Image Sobel Morphological reconstruction Results Original Image Original Image 流 程 圖 K-mean Median Filter Erosion Dilation Binary Image Sobel Morphological