Toolbox pro klasifikaci obrazových dat mozku pomocí umělých neuronových sítí

Mgr. Roman Vyškovský

Rigorózní práce

Toolbox for Brain Image Recognition Using Artificial Neural Networks

Anotace:

Tato rigorózní práce představuje Toolbox pro klasifikaci obrazových dat mozku pomocí umělých neuronových sítí. Nejprve jsou v práci popsány teoretické otázky klasifikace obrazových dat a postupy využité v toolboxu. Následují přílohy, kde je dokumentace toolboxu a publikace, ve kterých byly prezentovány výsledky získané na jeho základě. Tento toolbox se snaží přispět zejména k vývoji automatického diagnostického nástroje pro detekci schizofrenie v obrazových datech mozku, konkrétně v obrazech z magnetické rezonance. Toolbox nabízí dva typy klasifikačních schémat. První je založené na klasifikaci pomocí jedné neuronové sítě z nabídky: vícevrstvý perceptron, RBF síť a LVQ síť. Druhé schéma využívá sboru vícevrstvých perceptronů naučených na různých podvýběrech příznaků. Kromě klasifikačních algoritmů obě schémata používají selekci příznaků pomocí dvouvýběrových t-testů a jsou validované pomocí křížové validace. Součástí toolboxu jsou také funkce pro předzpracování dat z NIfTI formátu do požadovaného formátu a pro zobrazení výsledků v přehledných grafech.

Abstract:

This thesis presents Toolbox for Brain Image Recognition Using Artificial Neural Networks. First, the theoretical part summarizes the issues of image classification and schemes implemented in the toolbox. The part that follows are annexes containing the documentation for the toolbox and publications, in which the results gained with aid of this toolbox were presented. This toolbox aims to contribute to the development of computer-aided diagnostic tool that could detect schizophrenia in brain images, particularly those acquired by magnetic resonance device. The toolbox offers two types of classification schemes. The first one is based on the classification that takes advantage of only one neural network. The available networks are: Multi-layer perceptron, RBF network and LVQ network. The second scheme classifies using random subspace ensemble multi-layer perceptrons. Besides the classification algorithms, both schemes use feature selection based on two-sample t-tests and the results are validated using leave-one-out cross-validation. The toolbox also offers functions to transform images from NIfTI format to required format and functions for drawing graphs with results.

Klíčová slova

Umělé neuronové sítě, Vícevrstvý perceptron, RBF, LVQ, Klasifikace, Strojové učení, Sborové učení, Schizofrenie, Neurovědy, Analýza obrazových dat, Artificial neural networks, Multi-layer perceptron, RBF network, LVQ network, Classification, Machine learning, Ensemble learning, Computer-aided diagnostics, Schizophrenia, Magnetic resonance imaging, Neuroscience, Brain Image Analysis

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 30. 9. 2016

Obhajoba závěrečné práce

• Obhajoba proběhla 8. 2. 2017
• Oponent: Ing. Radek Mareček, Ph.D., Ing. Martin Vítek, Ph.D.

Masarykova univerzita

Přírodovědecká fakulta

Rigorózní řízení / obor:
Experimentální biologie / Matematická biologie