1 / 16

Extração de Características e Reconhecimento de Padrões em Imagens Médicas

Extração de Características e Reconhecimento de Padrões em Imagens Médicas. Gilson Antonio Giraldi Laboratório Nacional de Computação Científica, Rio de Janeiro – Brazil Carlos E. Thomaz e Paulo S.S. Rodrigues Centro Universitário da FEI - SP. Tópicos. Introdução

yardan
Download Presentation

Extração de Características e Reconhecimento de Padrões em Imagens Médicas

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Extração de Características e Reconhecimento de Padrões em Imagens Médicas Gilson Antonio Giraldi Laboratório Nacional de Computação Científica, Rio de Janeiro – Brazil Carlos E. Thomaz e Paulo S.S. Rodrigues Centro Universitário da FEI - SP

  2. Tópicos • Introdução • Extração de Características em Imagens • Aprendizagem Supervisionada • Classificação e Reconhecimento • Conclusões

  3. Introdução • Palavras Chaves: Características e Padrão • AspectosComputacionais X Cognitivos • Características: quantidadesnuméricas • Reconhecimento de Padrões • Classificação

  4. Introdução: Aprendizagem Estatística (Imagens) (“Segmentação, etc”) (quantidades numéricas) (Rede Neural, SVM, etc)

  5. Face Database

  6. Breast Cancer Images

  7. Segmentação

  8. Extração de Características • Area • Circularity • Homegeneity • Protuberance • Acoustic Shadow

  9. Espaço de Características e Classificador

  10. Espaço de Características e Classificador

  11. Supervised Statistical Learning Given a Training set S: Find a Classifier Φ:

  12. Statistical Learning: Perceptron Decision function: Hebb rule to adapt weights:

  13. SVM Classification

  14. Biological And Cognitive Foundation Insights • “Studies of Artificial Intelligence and of Pattern Recognition by computers have shown that the brain recognize form, motion, depth, and color using strategies that no computer can achieve.” • “Learning is the process by which we acquire knowledge about the world, while memory in the process by which that knowledge is encoded, stored, and later retrieved.” • (Kandel et al., 2000) Colaboração: USP, FEI, LNCC Extrated from “Kandel, Eric R., Schwartz, J. H. e Jessell, Thomas M.{Principles of Neural Science}. 4th. s.l. : McGraw-Hill Medical, 2000. ”

  15. Biological and Cognitive Foundation Long Term Memories Structure Human Memory Declarative Memory or Explicit Memory Nondeclarative Memory orImplicit Memory Episodic Semantic Facts Motor skills Emotional Response Pattern Rec. Colaboração: USP, FEI, LNCC Adapted from “Purves, Dale, et al.Neuroscience. s.l. : Sinauer Associates, Inc, 2001.”

  16. Conclusões • Neuronios e Modelos Computacionais • Aspectos Computacionais da Aprendizagem • Aspectos cognitivos e Biológicos • Perspectivas para neurociências

More Related