Удаление шума из данных обучения очень важно при изучении моделей ИИ. Модели искусственного интеллекта, полученные с использованием большого количества шума, менее точны.
В этом посте объясняется, как конвертировать изображения и как использовать их для удаления шума. Методом преобразования формата изображения сегодня является Эрозия/Дилация.
Эрозия / Дилатация
Это метод, используемый в черно-белых изображениях. Преобразование изображения осуществляется путем перемещения коробки с определенным размером, называемым ядром, внутри изображения. Здесь необходимо использовать ядро подходящего размера для преобразования изображений при сохранении формы исходного изображения.
- эрозия
Эрозия сканирует изображение в квадратной коробке (ядро) и выполняет преобразование изображения, которое преобразует все цвета в коробке в белый, если он содержит белый (0). Если в коробке есть только черное (1) или белое (0), преобразование изображения не выполняется. Когда это делается, черная область становится более узкой, чем оригинальное изображение. Слово «эрозия», по-видимому, использовалось для сужения черной области.
- Дилатация
В отличие от эрозии, Dilation выполняет преобразование изображения с черным (1) в ядре (ядро), которое преобразует все цвета в ящике в черный (1). Используя этот метод, слово «расширение», по-видимому, используется в том смысле, что черная область расширена.
Ага. Как использовать эрозию и дилатацию для снижения шума в данных обучения Хорошо. Это будет объяснено рассмотрением патента JLK, связанного с технологией, которая удаляет шум из изображений МРТ.
Если вы нажмете на изображение, вы можете увидеть уведомление о патенте.
Чтобы обучить модель ИИ распознавать, содержит ли изображение МРТ повреждения, врачи должны указать, какая часть изображения МРТ (видео для обучения искусственному интеллекту) присутствует. Это означает, что врачи работают над аннотацией.
Тем не менее, когда человек выполняет операцию аннотации пальцем, человек не может точно указать, где существует поражение, только когда есть поражение в области, которая меньше размера пальца человека. Трудно указать, где именно существует только поражение, даже когда человек выполняет операцию Аннотайон с мышью. Таким образом, на изображении, где выполняется задача аннотации, может быть неправильно проверенная часть (шум), где повреждений не существует.
Более технически, если человек преобразует МРТ-изображение поражения в трехмерную цинограмму, местоположение врача поражения показано черным цветом, как показано на изображении ниже. Согласно настоящему изобретению, непрерывная часть представляет собой местоположение поражения и шум, который нарисован вокруг него (красный).
Трехмерная цинограмма с шумом
Для того, чтобы устранить этот шум, эрозия является ключевой частью этого патента. Другими словами, когда выполняется эрозия / дилатация, изображение, наконец, преобразуется в трехмерную цинограмму с только поражениями, как показано ниже.
3D-цинограмма с устраненным шумом
Наконец, когда трехмерная цинограмма с удаленным шумом преобразуется обратно в изображение МРТ, создаются данные обучения с удаленным шумом. Ключом к этому изобретению является то, что, когда модели ИИ обучаются с использованием данных обучения с пониженным уровнем шума, создаются высокоточные модели ИИ в анализе медицинских изображений.
Как описано в патенте, если в качестве подходящего варианта используется существующая хорошо известная технология (Эрозия/Дилация) (Эрозия/Дилирование применяется к цинограмме, преобразующей МРТ-изображения) для решения любой проблемы в области (в области анализа медицинских изображений).
Материал отражает ситуацию на дату публикации. Обратитесь в IPLEX, чтобы обсудить обстоятельства вашего дела.