Publication: การจำแนกบริเวณที่มีเลือดในลำไส้ของภาพจากกล้องแคปซูลด้วยวิธีการประมวลผลภาพถ่าย
3
1
Issued Date
2020
Resource Type
Language
tha
File Type
application/pdf
Access Rights
open access
Rights
ผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบ แสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)
Rights Holder(s)
มหาวิทยาลัยศรีนครินทรวิโรฒ
Suggested Citation
ชุติกาญจน์ ดีนุสนธิ์, อภิชญา นวลนาค (2020). การจำแนกบริเวณที่มีเลือดในลำไส้ของภาพจากกล้องแคปซูลด้วยวิธีการประมวลผลภาพถ่าย. สืบค้นจาก: https://hdl.handle.net/20.500.14740/7781
Alternative Title(s)
A Method of Blood Area Segmentation from Intestinal WCE Image by Using Image Processing Technique
Author(s)
Advisor(s)
Organization
Abstract
โครงงานวิศวกรรมนี้นำเสนอการจำแนกบริเวณที่มีเลือดในลำไส้ของภาพจากกล้องแคปซูลด้วย
วิธีการประมวลผลภาพถ่าย มีวัตถุประสงค์เพื่อการจำแนกสีของเลือดในรูปภาพลำไส้และเปรียบเทียบ
ผลลัพธ์ที่ได้จากเทคนิควิธีการที่ต่างกัน เพื่อเป็นส่วนช่วยแพทย์ในการตัดสินใจวินิจฉัยโรคในระบบทางเดิน
อาหาร โดยขั้นตอนการทำงานหลักของโครงงานวิจัยนี้ คือ การนำภาพที่ได้จากการจัดเก็บชุดข้อมูล (KIDs
Data Set) ที่มีอยู่แล้วมาประมวลผล ซึ่งสามารถแบ่งเทคนิควิธีการที่ใช้ในการประมวลผล 4 วิธี คือ การ
จำแนกโดยใช้เทคนิคการตัดแยกภาพ (Graph-cut) มีความถูกต้องเป็นร้อยละ 98.57 , การจำแนกสีโดยใช้
ค่าเกณฑ์ของสีแดง (Threshold) มีความถูกต้องเป็นร้อยละ 78.83 และการจำแนกสีพื้นฐานโดยใช้โหมดสี
L*a*b* Color space มีความถูกต้องเป็นร้อยละ 68.7 จากผลการทดลองที่ได้ คณะผู้จัดทำจึงได้นำวิธีการ
จำแนกสีโดยใช้ค่าเกณฑ์ของสีแดงรรมกับวิธีการจำแนกโดยใช้การตัดแยกภาพเพื่อให้ได้กระบวนการ
กึ่งอัตโนมัติที่รวดเร็วและแม่นยำ ซึ่งกระบวนการนี้มีความถูกต้องร้อยละ 98.57 ทั้งนี้ความถูกต้องของการ
ประมวลผลภาพเพื่อจำแนกบริเวณที่มีเลือดในภาพนี้อาจให้ผลลัพธ์ของความถูกต้องแตกต่างกันไปขึ้นกับ
ภาพและชุดข้อมูลที่ต่างกัน
This engineering project proposed a method to segment blood area from intestinal WCE image by using image processing aims to segment blood colors in intestinal images and compared with difference methods. For help the doctor diagnosing about Gastrointestinal. This main method is processing of image from existing KIDs dataset which divided into 4 technique: Image segmentation by Graph-cut, Extract Red colors area using threshold, Color-Based Segmentation Using the L*a*b* Color Space, and Image Segmentation by Graph-cut combine with Threshold. The results 303 image from each of the techniques, the average of Image segmentation by Graph-cut accuracy is 98.57%, the average accuracy of Extract Red colors area using threshold is 78.83%, and the average accuracy of Color-Based Segmentation Using the L*a*b* Color Space is 68.7%. From the experimental results. Therefore, we proposed a semi-automatic process improvement Image segmentation by Graph-cut and Extract Red colors area using threshold for the fastest and most correct. Which the accuracy is 98.57%. However, the accuracy of this image processing may be giving a different depend on difference image and difference data set.
This engineering project proposed a method to segment blood area from intestinal WCE image by using image processing aims to segment blood colors in intestinal images and compared with difference methods. For help the doctor diagnosing about Gastrointestinal. This main method is processing of image from existing KIDs dataset which divided into 4 technique: Image segmentation by Graph-cut, Extract Red colors area using threshold, Color-Based Segmentation Using the L*a*b* Color Space, and Image Segmentation by Graph-cut combine with Threshold. The results 303 image from each of the techniques, the average of Image segmentation by Graph-cut accuracy is 98.57%, the average accuracy of Extract Red colors area using threshold is 78.83%, and the average accuracy of Color-Based Segmentation Using the L*a*b* Color Space is 68.7%. From the experimental results. Therefore, we proposed a semi-automatic process improvement Image segmentation by Graph-cut and Extract Red colors area using threshold for the fastest and most correct. Which the accuracy is 98.57%. However, the accuracy of this image processing may be giving a different depend on difference image and difference data set.
Description
โครงงานวิศวกรรม สาขาวิชาวิศวกรรมชีวการแพทย์ มหาวิทยาลัยศรีนครินทรวิโรฒ, 2563