پديد آورنده :
باقري، مهنوش
عنوان :
فشرده سازي تصاوير آندوسكوپي با استفاده از شبكه هاي عصبي عميق
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
مدار هاي مجتمع
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
يازده، 67ص.: مصور (رنگي)، جدول، نمودار
استاد راهنما :
شادرخ سماوي
توصيفگر ها :
كپسول آندوسكوپي , بخش بندي , فشرده سازي , شبكه عصبي
استاد داور :
مسعود سيدي، اميررضا احمدي مهر
تاريخ ورود اطلاعات :
1399/11/25
دانشكده :
مهندسي برق و كامپيوتر
تاريخ ويرايش اطلاعات :
1399/11/25
چكيده فارسي :
چكيده امروزه يكي از روشهاي عكسبرداري از دستگاه گوارش استفاده از كپسولهاي آندوسكوپي بيسيم است اين كپسولها قادر به عكسبرداري از بخش هاي مختلم دستگاه گوارش هستند و به دليل استفاده آسان نسبت به ديگر روشهاي موجود ترج يح داده ميشود اگرچه اين كپسول ها مزاياي قابل توجهي دارند اما معايبي نيز دارند از جمله محدود بودن عمر باتري و پهناي باند و پايين بودن نرخ فريم بر ثانيه و كيفيت تصواوير يكي از روشهاي غلبه بر اين مشوكالت انجام فشوردهسازي تصاوير گرفته شده داخل كپسوول اسوت انواع فش وردهس وازي عبارتند از بااتالف بدون اتالف و نزديا به بدون اتالف هدف اين پاياننامه ارائه روش وي با و و و و ديدگاه سوختافزاري جهت فشورده سوازي تصواوير در كپسوول آندوسوكوپي با اسوتفاده از شبكههاي عصبي عمي است در اين پاياننامه دو روش جهت فشووردهسووازي ارائه ميشووود در روش اول با اسووتفاده از شووبكه عصووبي يا طبقهبندي انجام ميدهيم بهاينصووورت كه براي پيشبيني هر پيكسوول يكي از دو روش پيشووگويي پايه MED يا GAP كه براسووا پيكسوولهاي همسووايه پيشبيني ميكنند اجرا ميشوود در نهايت شوبكه عصوبي با توجه به آموزشوي كه ديده است يكي از اين دو خروجي را انتخاب ميكند در روش دوم ابتدا به كما شوبكه عصوبي ناحيه پليپ بهعنوان ناحيه داراي اهميت تشخيص داده شده و به كما روش پيشونهادي تصووير فشورده خواهد شود اين فشردهسازي بهگونهاي است كه ناحيه پليپ كامال واضح و به صورت بدون اتالف با اسوتفاده از روش MED و بقيه نواحي به صوورت با اتالف فشورده خواهند شود بخشوبندي تصواوير جهت تشخيص پليپ با دقت 828 6 انجام پذ يرفت روش پيشوونهادي دوم جهت پيشووبيني پيكسوول بعدي نيز توانسووت ميانگين Error Entropy را از 485 2 به 432 5 كاهش دهد كلمات كليدي 1 كپسول آندوسكوپي 4 بخشبندي 3 فشردهسازي 2 شبكهعصبي
چكيده انگليسي :
Endoscopy Image Compression by Deep Neural Networks Mahnoosh Bagheri Mahnoosh bagheri@ec iut ac ir Date of Submission 2020 09 14 Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisor Dr S Samavi samavi96@cc iut ac irAdvisor Dr N Karimi nader karimi@cc iut ac irAbstract Recent advances in imaging and robotics technology have been accompanied by the introduction of newmethods and capabilities Today one way of imaging the gastrointestinal is to use wireless capsuleendoscopy These capsules are capable of imaging various parts of the gastrointestinal and are preferred overother available methods due to their ease of use Although these capsules have significant advantages theyalso have disadvantages such as limited battery life and bandwidth low frame rate and image quality Oneway to overcome these problems is to compress the captured images inside the capsule which is lossy lossless and near lossless compression with a view of spatial redundancy This dissertation aims to presenta method with a hardware perspective to compress images in endoscopic capsules using deep neural networks In this dissertation two methods of compression are presented In the first method using a neural network we perform classification in such a way that for each pixel one of the two methods of predicting MED or GAP is selected In the second method the polyp area is firstidentified by the neural network which we use as a region of interest ROI With the help of the proposedpredictive map the image will be compressed using the proposed algorithm This compression is such thatthe polyp area is quite clear and compressed with lossless but the rest of the areas will be compressed withlossy Keywords Capsule Endoscopy Segmentation Compression Neural Network
استاد راهنما :
شادرخ سماوي
استاد داور :
مسعود سيدي، اميررضا احمدي مهر
