The automatic detection of objects in images is an area of research in constant progress, which has repeatedly proved its utility in various fields. This work aims to investigate the implementation of Machine Learning algorithms, in particular SVM and Random Trees, in the biomedical environment, using them to detect objects on X-Ray images of specific orthopedic implants. The goal is to train and evaluate the performance of these two types of algorithms in order to evaluate their use as the core of a 3D reconstruction software for those implants. The algorithm should be able to define the regions of the image which contains the objects of the implant in order to be able to process the correct arrangement of the object in the X-ray. Some pre-processing techniques are also presented as methods that the software can use to remove patient’s private information from the X-ray, and properly prepare the image for the object detection task.
Il rilevamento automatico di oggetti nelle immagini è un ambito di ricerca in costante avanzamento, che ha più volte dimostrato la sua utilità in svariati ambiti. Quest’opera mira ad investigare l’implementazione di algoritmi di Machine Learning, in particolare SVM e Random Trees, in ambiente biomedico, utilizzandoli per attuare il rilevamento di oggetti su radiografie di specifici impianti ortopedici. L’obbiettivo è quello di addestrare e valutare le prestazioni di queste due tipologie di algoritmi per poterne valutare l’utilizzo come fulcro di un software di ricostruzione 3D degli impianti ortopedici. L'algoritmo dovrà quindi identificare e classificare le regioni dell'immagine che contengono gli oggetti dell'impianto così da poter elaborare successivamente la corretta disposizione nella radiografia. Vengono anche presentate alcune tecniche di elaborazione preliminare delle immagini come possibili metodi utilizzabili dal software per: rimuovere le informazioni testuali private dei pazienti dalla radiografia, l'operazione viene effettuata ai fini del rispetto della privacy, tema di grande importanza in ambito biomedicale e medico in generale; preparare propriamente l’immagine per il processo di rilevamento degli oggetti.
Rilevamento automatico di dispositivi ortopedici nelle radiografie utilizzando SVM e Random Forest
MANZATI, DAVIDE
2021/2022
Abstract
The automatic detection of objects in images is an area of research in constant progress, which has repeatedly proved its utility in various fields. This work aims to investigate the implementation of Machine Learning algorithms, in particular SVM and Random Trees, in the biomedical environment, using them to detect objects on X-Ray images of specific orthopedic implants. The goal is to train and evaluate the performance of these two types of algorithms in order to evaluate their use as the core of a 3D reconstruction software for those implants. The algorithm should be able to define the regions of the image which contains the objects of the implant in order to be able to process the correct arrangement of the object in the X-ray. Some pre-processing techniques are also presented as methods that the software can use to remove patient’s private information from the X-ray, and properly prepare the image for the object detection task.File | Dimensione | Formato | |
---|---|---|---|
Manzati_Davide.pdf
accesso riservato
Dimensione
4.82 MB
Formato
Adobe PDF
|
4.82 MB | Adobe PDF |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/31711