pen icon Colloque
quote

Évaluation du potentiel d'un modèle connexionniste pour la classification de textures échographiques

JG

Membre a labase

Jean-François Gallant

Résumé du colloque

Plusieurs études récentes démontrent l'aptitude des réseaux de neurones pour la reconnaissance de textures. Ce travail consiste à évaluer la performance d'un réseau entraîné à la classification de textures échographiques médicales. Nous avons entraîné un réseau à 3 couches en utilisant de l'algorithme d'apprentissage par rétro-propagation de l'erreur. Les données cliniques disponibles se composaient d'un nombre limité d'échantillons échographiques de différents normales et cancéreux. Pour ensemencer lui augmenter en appliquant un bruit gaussien aux échantillons de départ pour en créer de nouveaux. De l'ensemble résultant, 75% furent utilisés pour l'entraînement du réseau, les 25% restants constituant un ensemble d'évaluation indépendant. Le réseau fut successivement entraîné sur différentes transformations des échantillons (spectre de Fourier, matrices de cooccurrence, fonctions d'autocorrélation, ...) afin de déterminer celle qui présentait le meilleur potentiel de discrimination. Les meilleurs résultats furent obtenus avec les matrices de cooccurrence, le réseau parvenant à classer correctement 96,9% des échantillons de l'ensemble d'entraînement (98,8% des normaux, 95,1% des cancéreux). Un taux de succès comparable de 95,4% sur l'ensemble d'évaluation était atteint, ce qui démontre très bon potentiel de généralisation. Enfin, ces résultats se comparent favorablement à ceux obtenus au moyen d'un classificateur statistique (92,9%).

Contexte

host icon Hôte : Université du Québec à Rimouski

Découvrez d'autres communications scientifiques

Autres communications du même congressiste :