120 likes | 229 Views
Fouille d'images IRMf Algorithme CURE Aurélie Bertaux Jerzy Korczak LSIIT-Illkirch France. Introduction. Présentation de l’IRMf et fouille de données Logiciel de visualisation Algorithme CURE Améliorations apportées Constitution de données synthétiques Résultats comparatifs.
E N D
Fouille d'images IRMf Algorithme CURE Aurélie Bertaux Jerzy Korczak LSIIT-Illkirch France
Introduction • Présentation de l’IRMf et fouille de données • Logiciel de visualisation • Algorithme CURE • Améliorations apportées • Constitution de données synthétiques • Résultats comparatifs
Contexte, objectif et contraintes • Introduction à l’IRMf • Technique de l’IRMf • Principe et mise en œuvre de l’IMRf • La fouille de données • Classification supervisée et non supervisée • 4 algorithmes déjà implémentés par l’équipe • 3DSlicer • Outil de visualisation 3D
Améliorations effectuées • Tirage aléatoire • Pour contrer l’enregistrement balayé de l’IRM • Echantillonnage • Utilisation d’un pourcentage des signaux uniquement • Partitionnement • Système de rechargement en signaux
Expérimentations sur données synthétiquesZone Activée / Zone Explorée Signal d'activation: Volume cubique 5x5x5 voxels Type BoxCar par alternances de 5 images 3 rapports Signal/Bruit
Expérimentations sur données synthétiquesPositifs / Négatifs Vrais positifs : voxels bleus dans le cube. Faux positifs : voxels bleus hors du cube Faux négatifs : voxels verts dans cube Vrais négatifs : voxels verts hors du cube • Nombre de classes • Rapport de dilution • Rapport signal/bruit
Conclusion • CURE très gourmand en ressources • Contributions : • tirage aléatoire • Échantillonnage • partitionnement • Données 2D / 3D formes sphériques • Slicer permet l’intégration d’un expert médecin • Mémoire d’apprentissage et ajout de connaissances médicales