2) Bu konuda daha önce yapılmış faydalanabilecek örnek varmı diyerekten bir araştırma yapmak lazım araştırma sonunda öğreniyoruz ki değişik yollar kullanan pek çook çalışma var. Biz bu yazının yazılmasına sebep olan arkadaşımızın* önerisine uyup http://www.codeproject.com/useritems/nxml.asp deki örneği inceliyoruz
3) Bahsi geçen örnekte Assume spherical chicken** marifetiyle "multi layer back prop network" bir YSA kullanılarak 16x16 lık bir bitmap den 4 sonuca ulaşıyor. sonuç olarak
input layer 256
hidden layer 256
output layer 4
olarak YSA nın tasırmını yapıp eğitiyor vede şakır şakır :) çalışıyor.
4) Şimdi gelelim hazin gerçeğe elimize MR görüntülerini alınca göreceğiz ki 16x16 bitmap yok yerine atıyorum 300x300' lük bir resim var - dikkatinizi çekerim 0 ve 1 lerden oluşan bitmap değil resim - pekiii ne yapacağız şimdi.
5) İlk akla gelen şey Resmi bitmap'e çevirip 16X16 lık parçalara ayırabiliriz. Denemesi bedava resimi ama büyük bir ihtimalle görüntü bitmap'e çevrilince veri kaybına uğrayacak ve tesbiti zorlaşacak. Beyin boydan boya tek tip bir yapıdada olmadığından parçaların konumuda önemli olacak.
6) Anlamadan anlatamayız öğrenmeden öğretemeyiz. Bir MR'a bakıp tümörlü olan şöyle oluyor olmayan böyle diyebilmeliyiz sonra ben bunu nasıl fark ediyorum sorusuna cevap aramalyız. Bu sorunun cevabına göre filanca görüntü işleme metodunu kullanırsam tümörü daha belirgin hale nasıl gelir sonucuna ulaşabiliriz. Belirginleşmiş görütü parçalanıp gerekiyorsa parçaların konumlarıda hesaba katılarak YSA uygulamasına başlaya biliriz.
7) Sonuç olarak yapılamayacak birşey değil ama pek çok emek isteyen bir proje.
Not : Yanlış anlaşılmasın proje benim değil. Bana e-mail ile ulaşan bir arkadaşın* projesi
* H. K. K. - tekrar haberleşip iznini alamadığım için ismini yazmadım -
** Assume spherical chicken = farzedelim tavuklar küre şeklinde olsun anlamına gelen ve konu anlatımlarında olayı basitleştirmek adına nerelere varılabileceğini gösteren veciz söz.
Hiç yorum yok:
Yorum Gönder