Koiran lonkkaniveldysplasian diagnosointi konvoluutioneuroverkkoa hyödyntäen
Talvio, Alex (2022)
2022
Tietojenkäsittelyopin maisteriohjelma - Master's Programme in Computer Science
Informaatioteknologian ja viestinnän tiedekunta - Faculty of Information Technology and Communication Sciences
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2022-02-09
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202202041829
https://urn.fi/URN:NBN:fi:tuni-202202041829
Tiivistelmä
Tämä tutkielma käsittelee koirien lonkkaniveldysplasian diagnosointia konenäön ja etenkin syväoppimisen mallien avulla. Tutkimuksessa käytettiin 53 081 lonkkanivelröntgenkuvaa, joihin on yhdistetty niiden FCI:n ohjeiden mukaiset tulokset. Tutkimus tuotti kahdentyyppisiä malleja, objektin tunnistus ja luokittelu. Objektin tunnistusmalleja käytettiin lonkkanivelten rajaukseen röntgenkuvista. Objektin tunnistusmalli toimi lähes moitteettomasti ja kykeni löytämään ja rajaamaan oikein lonkkanivelen lähes jokaisesta kuvasta. Lonkkanivelobjektin tunnistusmallin tuottamia rajattuja lonkkanivelkuvia käytettiin lonkkaniveldysplasia luokittelijan datana. Korkeimman suorituskyvyn lonkkaniveldysplasian luokittelussa sai EfficentNetB2-arkkitehtuuriin perustuva malli, joka saavutti F1-luvun 0.746. Tämän mallin luokkakohtaiset tarkkuudet lonkkaniveldysplasian luokittelussa olivat A (normaali): 0.869, B (rajatapaus): 0.606, C (lievä): 0.657, D (kohtalainen): 0.721, E (vaikea): 0.684. Jokaisessa luokassa tarkkuus ±1 luokan tarkkuudella eli oikeaan tai naapuriluokkaan oli 0.98–1. Mikäli tarkastellaan tapauksia, joista luokittelija on varma (softmax-aktivointi > 0.9) saadaan osajoukon tarkkuudeksi 0.923, joka kattaa noin 28 % aineistosta.