עבודת תזה במדעי המחשב (22998) |
שם הסטודנט: אריה אגרנוניק |
שמות המנחים: ד"ר מיה הרמן ופרופ' מרק לסט מאוניברסיטת בן-גוריון |
נושא העבודה וההרצאה: אלגוריתם 3DPIFCM עבור סגמנטציה של תמונות MRI מוח בתלת מימד |
ההרצאה תתקיים ביום רביעי בשעה 10:00 בחדר 277 בקומה 2 בבניין הכיכר. |
תקציר:
מטרת העבודה היא פיתוח אלגוריתם 3DPIFCM לביצוע סגמנטציה של MRI מוח עם רעש בתמונה ברמות שונות בתלת מימד. בעבודה זו שופר אלגוריתם IFCM שפותח לסיגמנטציה של תמונה דו-מימדית. האלגוריתם מבצע סגמנטציה רכה של התמונה כאשר פונקציית המטרה מורכבת ממרחק הווקסלים מהמרכז ומצבע הווקסלים בתמונות תלת מימדיות. האלגוריתם משתמש באופטימיזצית PSO (Particle Swarm Optimization) לקירוב פונקציית המטרה. בנוסף הוא משתמש בפיצ'רים תלת מימדיים של ווקסלים קרובים כדי לנקות רעש. בניסויים שערכנו אנו מריצים את האלגוריתם על תמונות תלת מימדיות של Brainweb עם רמות רעש גאוסיאני בין 1% ל20%. כמו כן, ביצענו את הניסויים על דאטה סינטטי עם תוויות לאימות הדיוק. כאשר משווים בין הביצועים של האלגוריתם אל מול 2 אלגוריתמים גנטיים שפועלים בדו-מימד אנו רואים שיפור של 28% בדיוק. כאשר משווים אל מול FCM המקורי נראה שיפור של כ60% בדיוק ברמות רעש שונות.
המטרה השנייה של המחקר הייתה לשכתב את 3DPIFCM בעיבוד מקבילי ע"י שימוש בGPU כדי להגדיל מהירות ריצה. האלגוריתם מומש בעזרת תשתית CUDA מNVIDIA. נעשו ניסויים השוואתיים בין הגרסה המקבילית של 3DPIFCM לגרסה הסדרתית על הCPU. כמו כן, בוצעו ניסויים השוואתיים לאלגוריתמים
IFCMPSO (Improved Fuzzy Mean Clustering using Particle Swarm Optimization),
GAIFCM (Genetic Algorithm Fuzzy Mean Clustering) אשר מייצגים מקבילים גנטיים ל3DPIFCM וגם מול אלגוריתם FCM המקורי. הניסויים מראים שהגרסה המקבילית של האלגוריתם יותר מהירה ב72x מאשר הגרסה הסדרתית וכ68x מאלגוריתם GAIFCM. בנוסף, נראה שככל שהתמונה גדלה הביצועים משתפרים בהשוואה לגרסאות הסדרתיות בעקבות השימוש במקביליות של הGPU. לאחר שמשווים בין הגרסאות השונות של האלגוריתמים כגון GAIFCM וIFCMPSO מול דאטה של Brainweb אנו רואים שיפור של כ5x במהירות.