A.1 Całościowa Funkcja Odkształcenia
Algorytm Przednio Kompozycyjny Wiberga
Automatyczna segmentacja danych medycznych, wykonana za pomocą metody Ak-tywnych Modeli Wyglądu (ang. Active Appearance Models) wykorzystującej Całościo-wą (ang. Holistic) Funkcję Odkształcenia (ang. Warp Function) z optymalizacją algo-rytmem Przednio Kompozycyjnym Wiberga (ang. Wiberg Forward Compositional ), w porównaniu z pięcioma Ekspertami (lekarzami przeszkolonymi w analizowaniu obra-zów uzyskanych metodą Rezonansu Magnetycznego) uzyskała średnią wartość Frakcji Fałszywej (będącej rzeczywistą miarą jakości segmentacji) na poziomie 86.03 ± 1.66%
przy odchyleniu standardowym 𝜎 = 6.00%, dla poziomu istotności 𝛼 = 0.05 (Tab.
A.1).
Średnia wartość Frakcji Prawdziwie Pozytywnej, dostarczającej informacje o pro-cencie prawidłowo wysegmentowanych pikseli, wyniosła 87.90±1.70% przy odchyleniu standardowym 𝜎 = 6.15%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.1).
Średnia wartość Frakcji Fałszywie Negatywnej, dostarczającej informacje o pro-cencie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez
Tabela A.1: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej, Frakcji Fałszywie Negatywnej, Frakcji Fałszywej oraz ich odchyleń standardowych przy poziomie istotności 𝛼 = 0.05, dla wyników automatycznej segmentacji danych medycznych przy wykorzysta-niu algorytmu Przednio Kompozycyjnego Wiberga i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów.
Komputer
TPF FNF FF 𝜎𝑇 𝑃 𝐹 𝜎𝐹 𝑁 𝐹 𝜎𝐹 𝐹
Ekspert 1 88.12±1.41 11.88±1.41 86.92±1.35 5.09 5.09 4.86 Ekspert 2 89.26±1.40 10.74±1.40 87.4±1.43 5.05 5.05 5.15 Ekspert 3 85.56±2.08 14.44±2.08 84.13±2.05 7.50 7.50 7.40 Ekspert 4 86.05±2.13 13.95±2.13 84.56±2.13 7.68 7.68 7.68 Ekspert 5 90.53±1.51 9.47±1.51 87.15±1.36 5.43 5.43 4.89 Średnia 87.90±1.70 12.10±1.70 86.03±1.66 6.15 6.15 6.00
ekspertów jako segmentowana tkanka, wyniosła 12.10 ± 1.70% przy odchyleniu stan-dardowym 𝜎 = 6.15%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.1).
Analiza wielkości Frakcji Prawdziwie Pozytywnej dla poszczególnych iteracji algo-rytmu wykazała wzrost procentowej ilości prawidłowo wysegmentowanych pikseli wraz z kolejnymi iteracjami (Rys. A-1). Najwyższa średnia wartość zanotowana została w iteracji 25 i wyniosła 87.90% (Tab. B.1).
Średnia wartość Frakcji Fałszywie Negatywnej wykazała spadek procentowej ilości pominiętych przez algorytm pikseli wraz z kolejnymi iteracjami (Rys. A-2). Najniższa średnia wartość zanotowana została w iteracji 25 i wyniosła 12.10% (Tab. B.1).
Ostatecznie średnia wartość Frakcji Fałszywej dla poszczególnych iteracji wyka-zała wzrost rzeczywistej jakości segmentacji wraz z kolejnymi iteracjami (Rys. A-3).
Najwyższa średnia wartość zanotowana została w iteracji 25 i wyniosła 86.03% (Tab.
B.1).
Ze względu na charakterystykę uzyskanych wyników należałoby wykonać dodat-kowe iteracje algorytmu, aż do stabilizacji wyników.
86 88 90 92 94
Frakcja Prawdziwie Pozytywna [%]
Ekspert 1
Frakcja Prawdziwie Pozytywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-1: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej poszczególnych ite-racji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wyko-rzystaniu algorytmu Przednio Kompozycyjnego Wiberga i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Prawdziwie Pozytywna dostarcza informacji o procencie prawidłowo wysegmentowanych pikseli.
8
Frakcja Fałszywie Negatywna [%]
Ekspert 1
Frakcja Fałszywie Negatywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-2: Porównanie (procentowe) Frakcji Fałszywie Negatywnej poszczególnych itera-cji algorytmu dla wyników automatycznej segmentaitera-cji danych medycznych przy wykorzysta-niu algorytmu Przednio Kompozycyjnego Wiberga i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Fałszywie Negatywna dostarcza informacji o procen-cie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez ekspertów jako segmentowana tkanka.
82
Rysunek A-3: Porównanie (procentowe) Frakcji Fałszywej poszczególnych iteracji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wykorzystaniu algorytmu Przednio Kompozycyjnego Wiberga i danych segmentowanych ręcznie przez pięciu niezależ-nych ekspertów. Frakcja Fałszywa jest główną miarą świadczącą o jakości segmentacji.
Algorytm Jednocześnie Przednio Kompozycyjny
Automatyczna segmentacja danych medycznych, wykonana za pomocą metody Ak-tywnych Modeli Wyglądu (ang. Active Appearance Models) wykorzystującej Całościo-wą (ang. Holistic) Funkcję Odkształcenia (ang. Warp Function) z optymalizacją algo-rytmem Jednocześnie Przednio Kompozycyjnym (ang. Simultaneous Forward Com-positional ), w porównaniu z pięcioma Ekspertami (lekarzami przeszkolonymi w ana-lizowaniu obrazów uzyskanych metodą Rezonansu Magnetycznego) uzyskała średnią wartość Frakcji Fałszywej (będącej rzeczywistą miarą jakości segmentacji) na pozio-mie 85.95 ± 1.75% przy odchyleniu standardowym 𝜎 = 6.30%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.2).
Średnia wartość Frakcji Prawdziwie Pozytywnej, dostarczającej informacje o pro-cencie prawidłowo wysegmentowanych pikseli, wyniosła 87.53±1.79% przy odchyleniu standardowym 𝜎 = 6.46%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.2).
Średnia wartość Frakcji Fałszywie Negatywnej, dostarczającej informacje o pro-cencie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez
Tabela A.2: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej, Frakcji Fałszywie Negatywnej, Frakcji Fałszywej oraz ich odchyleń standardowych przy poziomie istotności 𝛼 = 0.05, dla wyników automatycznej segmentacji danych medycznych przy wykorzystaniu algorytmu Jednocześnie Przednio Kompozycyjnego i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów.
Komputer
TPF FNF FF 𝜎𝑇 𝑃 𝐹 𝜎𝐹 𝑁 𝐹 𝜎𝐹 𝐹
Ekspert 1 87.66±1.45 12.34±1.45 86.70±1.41 5.23 5.23 5.07 Ekspert 2 88.92±1.50 11.08±1.50 87.41±1.46 5.42 5.42 5.27 Ekspert 3 85.18±2.13 14.82±2.13 84.04±2.09 7.67 7.67 7.53 Ekspert 4 85.71±2.20 14.29±2.20 84.53±2.17 7.93 7.93 7.82 Ekspert 5 90.16±1.68 9.84±1.68 87.10±1.61 6.05 6.05 5.81 Średnia 87.53±1.79 12.47±1.79 85.95±1.75 6.46 6.46 6.30
ekspertów jako segmentowana tkanka, wyniosła 12.47 ± 1.79% przy odchyleniu stan-dardowym 𝜎 = 6.46%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.2).
Analiza wielkości Frakcji Prawdziwie Pozytywnej dla poszczególnych iteracji al-gorytmu wykazała wzrost procentowej ilości prawidłowo wysegmentowanych pikseli wraz z kolejnymi iteracjami, aż do iteracji 14, gdzie wartość ta zaczęła spadać (Rys.
A-4). Najwyższa wartość średnia Frakcji Prawdziwie Pozytywnej uzyskana została w iteracjach 12 i 13, i wyniosła 88.06% (Tab. B.2).
Średnia wartość Frakcji Fałszywie Negatywnej wykazała początkowy spadek pro-centowej ilości pominiętych przez algorytm pikseli wraz z kolejnymi iteracjami (Rys.
A-5), później jednak wzrastając. Najniższa średnia wartość zanotowana została w iteracjach 12 i 13, i wyniosła 11.94% (Tab. B.2).
Ostatecznie średnia wartość Frakcji Fałszywej dla poszczególnych iteracji wyka-zała wzrost rzeczywistej jakości segmentacji wraz z kolejnymi iteracjami (Rys. A-6).
Najwyższa średnia wartość zanotowana została w iteracji 14 i 15, i wyniosła 86.13%
(Tab. B.2), później nieznacznie spadając wykazując cechy nadmiernego dopasowania (ang. overfitting).
86 88 90 92 94
Frakcja Prawdziwie Pozytywna [%]
Ekspert 1
Frakcja Prawdziwie Pozytywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-4: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej poszczególnych ite-racji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wykorzy-staniu algorytmu Jednocześnie Przednio Kompozycyjnego i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Prawdziwie Pozytywna dostarcza informacji o procencie prawidłowo wysegmentowanych pikseli.
8
Frakcja Fałszywie Negatywna [%]
Ekspert 1
Frakcja Fałszywie Negatywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-5: Porównanie (procentowe) Frakcji Fałszywie Negatywnej poszczególnych ite-racji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wykorzy-staniu algorytmu Jednocześnie Przednio Kompozycyjnego i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Fałszywie Negatywna dostarcza informacji o procencie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez eks-pertów jako segmentowana tkanka.
82
Rysunek A-6: Porównanie (procentowe) Frakcji Fałszywej poszczególnych iteracji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wykorzystaniu algorytmu Jednocześnie Przednio Kompozycyjnego i danych segmentowanych ręcznie przez pięciu nie-zależnych ekspertów. Frakcja Fałszywa jest główną miarą świadczącą o jakości segmentacji.
Algorytm Projekcji Przednio Kompozycyjnej
Automatyczna segmentacja danych medycznych, wykonana za pomocą metody Ak-tywnych Modeli Wyglądu (ang. Active Appearance Models) wykorzystującej Całościo-wą (ang. Holistic) Funkcję Odkształcenia (ang. Warp Function) z optymalizacją algo-rytmem Projekcji Przednio Kompozycyjnej (ang. ProjectOut Forward Compositional ), w porównaniu z pięcioma Ekspertami (lekarzami przeszkolonymi w analizowaniu obra-zów uzyskanych metodą Rezonansu Magnetycznego) uzyskała średnią wartość Frakcji Fałszywej (będącej rzeczywistą miarą jakości segmentacji) na poziomie 85.98 ± 1.89%
przy odchyleniu standardowym 𝜎 = 6.80%, dla poziomu istotności 𝛼 = 0.05 (Tab.
A.3).
Średnia wartość Frakcji Prawdziwie Pozytywnej, dostarczającej informacje o pro-cencie prawidłowo wysegmentowanych pikseli, wyniosła 87.71±1.94% przy odchyleniu standardowym 𝜎 = 7.02%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.3).
Średnia wartość Frakcji Fałszywie Negatywnej, dostarczającej informacje o pro-cencie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez
Tabela A.3: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej, Frakcji Fałszywie Negatywnej, Frakcji Fałszywej oraz ich odchyleń standardowych przy poziomie istotności 𝛼 = 0.05, dla wyników automatycznej segmentacji danych medycznych przy wykorzystaniu algorytmu Projekcji Przednio Kompozycyjnej i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów.
Komputer
TPF FNF FF 𝜎𝑇 𝑃 𝐹 𝜎𝐹 𝑁 𝐹 𝜎𝐹 𝐹
Ekspert 1 87.78±1.67 12.22±1.67 86.56±1.52 6.02 6.02 5.50 Ekspert 2 89.04±1.69 10.96±1.69 87.32±1.70 6.09 6.09 6.13 Ekspert 3 85.36±2.29 14.64±2.29 84.03±2.25 8.27 8.27 8.11 Ekspert 4 85.97±2.38 14.03±2.38 84.70±2.34 8.58 8.58 8.45 Ekspert 5 90.38±1.69 9.62±1.69 87.26±1.62 6.11 6.11 5.83 Średnia 87.71±1.94 12.29±1.94 85.98±1.89 7.02 7.02 6.80
ekspertów jako segmentowana tkanka, wyniosła 12.29 ± 1.94% przy odchyleniu stan-dardowym 𝜎 = 7.02%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.3).
Analiza wielkości Frakcji Prawdziwie Pozytywnej dla poszczególnych iteracji al-gorytmu wykazała wzrost procentowej ilości prawidłowo wysegmentowanych pikseli wraz z kolejnymi iteracjami, aż do iteracji 14, gdzie wartość ta zaczęła spadać (Rys.
A-7). Najwyższa wartość średnia Frakcji Prawdziwie Pozytywnej uzyskana została w iteracjach 12 i 13 i wyniosła 88.36% (Tab. B.3).
Średnia wartość Frakcji Fałszywie Negatywnej wykazała początkowy spadek pro-centowej ilości pominiętych przez algorytm pikseli wraz z kolejnymi iteracjami (Rys.
A-8), później jednak wzrastając. Najniższa średnia wartość zanotowana została w iteracjach 12 i 13, i wyniosła 11.64% (Tab. B.3).
Ostatecznie średnia wartość Frakcji Fałszywej dla poszczególnych iteracji wyka-zała wzrost rzeczywistej jakości segmentacji wraz z kolejnymi iteracjami (Rys. A-9).
Najwyższa średnia wartość zanotowana została w iteracji 15 i wyniosła 86.34% (Tab.
B.3), później nieznacznie spadając wykazując cechy nadmiernego dopasowania (ang.
overfitting).
86 88 90 92 94
Frakcja Prawdziwie Pozytywna [%]
Ekspert 1
Frakcja Prawdziwie Pozytywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-7: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej poszczególnych ite-racji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wyko-rzystaniu algorytmu Projekcji Przednio Kompozycyjnej i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Prawdziwie Pozytywna dostarcza informacji o procencie prawidłowo wysegmentowanych pikseli.
8
Frakcja Fałszywie Negatywna [%]
Ekspert 1
Frakcja Fałszywie Negatywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-8: Porównanie (procentowe) Frakcji Fałszywie Negatywnej poszczególnych ite-racji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wykorzy-staniu algorytmu Projekcji Przednio Kompozycyjnej i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Fałszywie Negatywna dostarcza informacji o procen-cie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez ekspertów jako segmentowana tkanka.
82
Rysunek A-9: Porównanie (procentowe) Frakcji Fałszywej poszczególnych iteracji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wykorzystaniu algorytmu Projekcji Przednio Kompozycyjnej i danych segmentowanych ręcznie przez pięciu niezależ-nych ekspertów. Frakcja Fałszywa jest główną miarą świadczącą o jakości segmentacji.
Algorytm Naprzemienny Przednio Kompozycyjny
Automatyczna segmentacja danych medycznych, wykonana za pomocą metody Ak-tywnych Modeli Wyglądu (ang. Active Appearance Models) wykorzystującej Całościo-wą (ang. Holistic) Funkcję Odkształcenia (ang. Warp Function) z optymalizacją algo-rytmem Naprzemiennym Przednio Kompozycyjnym (ang. Alternating Forward Com-positional ), w porównaniu z pięcioma Ekspertami (lekarzami przeszkolonymi w ana-lizowaniu obrazów uzyskanych metodą Rezonansu Magnetycznego) uzyskała średnią wartość Frakcji Fałszywej (będącej rzeczywistą miarą jakości segmentacji) na pozio-mie 85.04 ± 1.61% przy odchyleniu standardowym 𝜎 = 5.80%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.4).
Średnia wartość Frakcji Prawdziwie Pozytywnej, dostarczającej informacje o pro-cencie prawidłowo wysegmentowanych pikseli, wyniosła 87.21±1.63% przy odchyleniu standardowym 𝜎 = 5.89%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.4).
Średnia wartość Frakcji Fałszywie Negatywnej, dostarczającej informacje o pro-cencie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez
Tabela A.4: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej, Frakcji Fałszywie Negatywnej, Frakcji Fałszywej oraz ich odchyleń standardowych przy poziomie istotności 𝛼 = 0.05, dla wyników automatycznej segmentacji danych medycznych przy wykorzystaniu algorytmu Naprzemiennego Przednio Kompozycyjnego i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów.
Komputer
TPF FNF FF 𝜎𝑇 𝑃 𝐹 𝜎𝐹 𝑁 𝐹 𝜎𝐹 𝐹
Ekspert 1 87.26±1.38 12.74±1.38 85.55±1.45 4.99 4.99 5.23 Ekspert 2 88.54±1.40 11.46±1.40 86.33±1.40 5.07 5.07 5.04 Ekspert 3 84.95±1.84 15.05±1.84 83.36±1.82 6.65 6.65 6.57 Ekspert 4 85.42±2.00 14.58±2.00 83.72±1.96 7.22 7.22 7.07 Ekspert 5 89.89±1.53 10.11±1.53 86.25±1.41 5.53 5.53 5.08 Średnia 87.21±1.63 12.79±1.63 85.04±1.61 5.89 5.89 5.80
ekspertów jako segmentowana tkanka, wyniosła 12.79 ± 1.63% przy odchyleniu stan-dardowym 𝜎 = 5.89%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.4).
Analiza wielkości Frakcji Prawdziwie Pozytywnej dla poszczególnych iteracji al-gorytmu wykazała wzrost procentowej ilości prawidłowo wysegmentowanych pikseli wraz z kolejnymi iteracjami, aż do iteracji 14, gdzie wartość ta zaczęła spadać (Rys.
A-10). Najwyższa wartość średnia Frakcji Prawdziwie Pozytywnej uzyskana została w iteracjach 12 i 13, i wyniosła 87.86% (Tab. B.4).
Średnia wartość Frakcji Fałszywie Negatywnej wykazała początkowy spadek pro-centowej ilości pominiętych przez algorytm pikseli wraz z kolejnymi iteracjami (Rys.
A-11), później jednak wzrastając. Najniższa średnia wartość zanotowana została w iteracjach 12 i 13, i wyniosła 12.14% (Tab. B.4).
Ostatecznie średnia wartość Frakcji Fałszywej dla poszczególnych iteracji wykaza-ła wzrost rzeczywistej jakości segmentacji wraz z kolejnymi iteracjami (Rys. A-12).
Najwyższa średnia wartość zanotowana została w iteracji 14 i wyniosła 85.59% (Tab.
B.4), później jednak spadając wykazując cechy nadmiernego dopasowania (ang. over-fitting).
86 88 90 92 94
Frakcja Prawdziwie Pozytywna [%]
Ekspert 1
Frakcja Prawdziwie Pozytywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-10: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej poszczególnych iteracji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wyko-rzystaniu algorytmu Naprzemiennego Przednio Kompozycyjnego i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Prawdziwie Pozytywna dostarcza in-formacji o procencie prawidłowo wysegmentowanych pikseli.
8
Frakcja Fałszywie Negatywna [%]
Ekspert 1
Frakcja Fałszywie Negatywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-11: Porównanie (procentowe) Frakcji Fałszywie Negatywnej poszczególnych ite-racji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wyko-rzystaniu algorytmu Naprzemiennego Przednio Kompozycyjnego i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Fałszywie Negatywna dostarcza infor-macji o procencie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez ekspertów jako segmentowana tkanka.
82
Rysunek A-12: Porównanie (procentowe) Frakcji Fałszywej poszczególnych iteracji algoryt-mu dla wyników automatycznej segmentacji danych medycznych przy wykorzystaniu algo-rytmu Naprzemiennego Przednio Kompozycyjnego i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Fałszywa jest główną miarą świadczącą o jakości segmentacji.
Algorytm Zmodyfikowany Naprzemienny Przednio Kompozycyjny
Automatyczna segmentacja danych medycznych, wykonana za pomocą metody Ak-tywnych Modeli Wyglądu (ang. Active Appearance Models) wykorzystującej Całościo-wą (ang. Holistic) Funkcję Odkształcenia (ang. Warp Function) z optymalizacją algo-rytmem Zmodyfikowanym Naprzemiennym Przednio Kompozycyjnym (ang. Modified Alternating Forward Compositional ), w porównaniu z pięcioma Ekspertami (lekarzami przeszkolonymi w analizowaniu obrazów uzyskanych metodą Rezonansu Magnetycz-nego) uzyskała średnią wartość Frakcji Fałszywej (będącej rzeczywistą miarą jakości segmentacji) na poziomie 85.94 ± 1.76% przy odchyleniu standardowym 𝜎 = 6.35%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.5).
Średnia wartość Frakcji Prawdziwie Pozytywnej, dostarczającej informacje o pro-cencie prawidłowo wysegmentowanych pikseli, wyniosła 87.56±1.68% przy odchyleniu standardowym 𝜎 = 6.04%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.5).
Średnia wartość Frakcji Fałszywie Negatywnej, dostarczającej informacje o
pro-Tabela A.5: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej, Frakcji Fałszywie Negatywnej, Frakcji Fałszywej oraz ich odchyleń standardowych przy poziomie istotności 𝛼 = 0.05, dla wyników automatycznej segmentacji danych medycznych przy wykorzystaniu algorytmu Zmodyfikowanego Naprzemiennego Przednio Kompozycyjnego i danych segmen-towanych ręcznie przez pięciu niezależnych ekspertów.
Komputer
TPF FNF FF 𝜎𝑇 𝑃 𝐹 𝜎𝐹 𝑁 𝐹 𝜎𝐹 𝐹
Ekspert 1 87.81±1.51 12.19±1.51 86.87±1.50 5.46 5.46 5.43 Ekspert 2 88.91±1.49 11.09±1.49 87.24±1.60 5.39 5.39 5.79 Ekspert 3 85.07±1.89 14.93±1.89 83.78±2.02 6.80 6.80 7.30 Ekspert 4 85.71±2.03 14.29±2.03 84.48±2.16 7.31 7.31 7.79 Ekspert 5 90.30±1.46 9.70±1.46 87.31±1.50 5.27 5.27 5.43 Średnia 87.56±1.68 12.44±1.68 85.94±1.76 6.04 6.04 6.35
cencie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez ekspertów jako segmentowana tkanka, wyniosła 12.44 ± 1.68% przy odchyleniu stan-dardowym 𝜎 = 6.04%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.5).
Analiza wielkości Frakcji Prawdziwie Pozytywnej dla poszczególnych iteracji al-gorytmu wykazała wzrost procentowej ilości prawidłowo wysegmentowanych pikseli wraz z kolejnymi iteracjami, aż do iteracji 14, gdzie wartość ta zaczęła spadać (Rys.
A-13). Najwyższa wartość średnia Frakcji Prawdziwie Pozytywnej uzyskana została w iteracjach 12 i 13, i wyniosła 88.25% (Tab. B.5).
Średnia wartość Frakcji Fałszywie Negatywnej wykazała początkowy spadek pro-centowej ilości pominiętych przez algorytm pikseli wraz z kolejnymi iteracjami (Rys.
A-14), później jednak wzrastając. Najniższa średnia wartość zanotowana została w iteracjach 12 i 13, i wyniosła 11.75% (Tab. B.5).
Ostatecznie średnia wartość Frakcji Fałszywej dla poszczególnych iteracji wykaza-ła wzrost rzeczywistej jakości segmentacji wraz z kolejnymi iteracjami (Rys. A-15).
Najwyższa średnia wartość zanotowana została w iteracji 14 i wyniosła 86.45% (Tab.
B.5), później jednak spadając wykazując cechy nadmiernego dopasowania (ang. over-fitting).
86 88 90 92 94
Frakcja Prawdziwie Pozytywna [%]
Ekspert 1
Frakcja Prawdziwie Pozytywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-13: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej poszczególnych iteracji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wyko-rzystaniu algorytmu Zmodyfikowanego Naprzemiennego Przednio Kompozycyjnego i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Prawdziwie Pozytyw-na dostarcza informacji o procencie prawidłowo wysegmentowanych pikseli.
8
Frakcja Fałszywie Negatywna [%]
Ekspert 1
Frakcja Fałszywie Negatywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-14: Porównanie (procentowe) Frakcji Fałszywie Negatywnej poszczególnych ite-racji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wykorzy-staniu algorytmu Zmodyfikowanego Naprzemiennego Przednio Kompozycyjnego i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Fałszywie Negatyw-na dostarcza informacji o procencie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez ekspertów jako segmentowana tkanka.
82
Rysunek A-15: Porównanie (procentowe) Frakcji Fałszywej poszczególnych iteracji algo-rytmu dla wyników automatycznej segmentacji danych medycznych przy wykorzystaniu algorytmu Zmodyfikowanego Naprzemiennego Przednio Kompozycyjnego i danych segmen-towanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Fałszywa jest główną miarą świadczącą o jakości segmentacji.
Algorytm Odwrotnie Kompozycyjny Wiberga
Automatyczna segmentacja danych medycznych, wykonana za pomocą metody Ak-tywnych Modeli Wyglądu (ang. Active Appearance Models) wykorzystującej Całościo-wą (ang. Holistic) Funkcję Odkształcenia (ang. Warp Function) z optymalizacją algo-rytmem Odwrotnie Kompozycyjnym Wiberga (ang. Wiberg Inverse Compositional ), w porównaniu z pięcioma Ekspertami (lekarzami przeszkolonymi w analizowaniu obra-zów uzyskanych metodą Rezonansu Magnetycznego) uzyskała średnią wartość Frakcji Fałszywej (będącej rzeczywistą miarą jakości segmentacji) na poziomie 88.25 ± 1.51%
przy odchyleniu standardowym 𝜎 = 5.45%, dla poziomu istotności 𝛼 = 0.05 (Tab.
A.6).
Średnia wartość Frakcji Prawdziwie Pozytywnej, dostarczającej informacje o pro-cencie prawidłowo wysegmentowanych pikseli, wyniosła 90.82±1.31% przy odchyleniu standardowym 𝜎 = 4.74%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.6).
Średnia wartość Frakcji Fałszywie Negatywnej, dostarczającej informacje o
pro-Tabela A.6: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej, Frakcji Fałszywie Negatywnej, Frakcji Fałszywej oraz ich odchyleń standardowych przy poziomie istotności 𝛼 = 0.05, dla wyników automatycznej segmentacji danych medycznych przy wykorzystaniu algorytmu Odwrotnie Kompozycyjnego Wiberga i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów.
Komputer
TPF FNF FF 𝜎𝑇 𝑃 𝐹 𝜎𝐹 𝑁 𝐹 𝜎𝐹 𝐹
Ekspert 1 90.67±1.26 9.33±1.26 88.28±1.49 4.53 4.53 5.39 Ekspert 2 92.20±1.00 7.80±1.00 89.56±1.37 3.59 3.59 4.93 Ekspert 3 88.90±1.51 11.10±1.51 87.44±1.53 5.43 5.43 5.53 Ekspert 4 89.28±1.65 10.72±1.65 87.60±1.72 5.95 5.95 6.20 Ekspert 5 93.07±1.16 6.93±1.16 88.35±1.44 4.17 4.17 5.21 Średnia 90.82±1.31 9.18±1.31 88.25±1.51 4.74 4.74 5.45
cencie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez ekspertów jako segmentowana tkanka, wyniosła 9.18 ± 1.31% przy odchyleniu stan-dardowym 𝜎 = 4.74%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.6).
Analiza porównania z ekspertami wielkości Frakcji Prawdziwie Pozytywnej dla poszczególnych iteracji algorytmu wykazała wzrost procentowej ilości prawidłowo wy-segmentowanych pikseli wraz z kolejnymi iteracjami (Rys. A-16). Najwyższa war-tość średnia Frakcji Prawdziwie Pozytywnej uzyskana została w 25 iteracji i wyniosła 90.82% (Tab. B.6).
Średnia wartość Frakcji Fałszywie Negatywnej wykazała spadek procentowej ilości pominiętych przez algorytm pikseli wraz z kolejnymi iteracjami (Rys. A-17). Najniższa średnia wartość zanotowana została w iteracji 25 i wyniosła 9.18% (Tab. B.6).
Ostatecznie średnia wartość Frakcji Fałszywej dla poszczególnych iteracji wykaza-ła wzrost rzeczywistej jakości segmentacji wraz z kolejnymi iteracjami (Rys. A-18).
Najwyższa średnia wartość zanotowana została w iteracji 15 i wyniosła 88.43% (Tab.
B.6), później jednak nieznacznie spadając wykazując cechy nadmiernego dopasowania (ang. overfitting).
86 88 90 92 94
Frakcja Prawdziwie Pozytywna [%]
Ekspert 1
Frakcja Prawdziwie Pozytywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-16: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej poszczególnych iteracji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wyko-rzystaniu algorytmu Odwrotnie Kompozycyjnego Wiberga i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Prawdziwie Pozytywna dostarcza informacji o procencie prawidłowo wysegmentowanych pikseli.
8
Frakcja Fałszywie Negatywna [%]
Ekspert 1
Frakcja Fałszywie Negatywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-17: Porównanie (procentowe) Frakcji Fałszywie Negatywnej poszczególnych ite-racji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wykorzy-staniu algorytmu Odwrotnie Kompozycyjnego Wiberga i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Fałszywie Negatywna dostarcza informacji o procencie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez eks-pertów jako segmentowana tkanka.
82
Rysunek A-18: Porównanie (procentowe) Frakcji Fałszywej poszczególnych iteracji algoryt-mu dla wyników automatycznej segmentacji danych medycznych przy wykorzystaniu algo-rytmu Odwrotnie Kompozycyjnego Wiberga i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Fałszywa jest główną miarą świadczącą o jakości segmen-tacji.
Algorytm Jednocześnie Odwrotnie Kompozycyjny
Automatyczna segmentacja danych medycznych, wykonana za pomocą metody Ak-tywnych Modeli Wyglądu (ang. Active Appearance Models) wykorzystującej Całościo-wą (ang. Holistic) Funkcję Odkształcenia (ang. Warp Function) z optymalizacją algo-rytmem Jednocześnie Odwrotnie Kompozycyjnym (ang. Simultaneous Inverse Com-positional ), w porównaniu z pięcioma Ekspertami (lekarzami przeszkolonymi w ana-lizowaniu obrazów uzyskanych metodą Rezonansu Magnetycznego) uzyskała średnią wartość Frakcji Fałszywej (będącej rzeczywistą miarą jakości segmentacji) na pozio-mie 87.60 ± 1.37% przy odchyleniu standardowym 𝜎 = 4.93%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.7).
Średnia wartość Frakcji Prawdziwie Pozytywnej, dostarczającej informacje o pro-cencie prawidłowo wysegmentowanych pikseli, wyniosła 90.48±1.22% przy odchyleniu standardowym 𝜎 = 4.40%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.7).
Średnia wartość Frakcji Fałszywie Negatywnej, dostarczającej informacje o
pro-Tabela A.7: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej, Frakcji Fałszywie Negatywnej, Frakcji Fałszywej oraz ich odchyleń standardowych przy poziomie istotności 𝛼 = 0.05, dla wyników automatycznej segmentacji danych medycznych przy wykorzysta-niu algorytmu Jednocześnie Odwrotnie Kompozycyjnego i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów.
Komputer
TPF FNF FF 𝜎𝑇 𝑃 𝐹 𝜎𝐹 𝑁 𝐹 𝜎𝐹 𝐹
Ekspert 1 90.46±1.05 9.54±1.05 87.94±1.19 3.79 3.79 4.31 Ekspert 2 91.88±0.86 8.12±0.86 88.98±1.14 3.09 3.09 4.13 Ekspert 3 88.49±1.42 11.51±1.42 86.63±1.51 5.13 5.13 5.46 Ekspert 4 88.74±1.64 11.26±1.64 86.53±1.75 5.91 5.91 6.33 Ekspert 5 92.83±1.12 7.17±1.12 87.94±1.23 4.05 4.05 4.43 Średnia 90.48±1.22 9.52±1.22 87.60±1.37 4.40 4.40 4.93
cencie pikseli pominiętych przez algorytm automatyczny, a zakwalifikowanych przez ekspertów jako segmentowana tkanka, wyniosła 9.52 ± 1.22% przy odchyleniu stan-dardowym 𝜎 = 4.40%, dla poziomu istotności 𝛼 = 0.05 (Tab. A.7).
Analiza wielkości Frakcji Prawdziwie Pozytywnej dla poszczególnych iteracji al-gorytmu wykazała wzrost procentowej ilości prawidłowo wysegmentowanych pikseli wraz z kolejnymi iteracjami (Rys. A-19). Najwyższa wartość średnia Frakcji Prawdzi-wie Pozytywnej uzyskana została w 24 iteracji i wyniosła 90.54% (Tab. B.7).
Średnia wartość Frakcji Fałszywie Negatywnej wykazała spadek procentowej ilości pominiętych przez algorytm pikseli wraz z kolejnymi iteracjami (Rys. A-20). Najniższa średnia wartość zanotowana została w iteracji 24 i wyniosła 9.46% (Tab. B.7).
Ostatecznie średnia wartość Frakcji Fałszywej dla poszczególnych iteracji wykaza-ła wzrost rzeczywistej jakości segmentacji wraz z kolejnymi iteracjami (Rys. A-21).
Najwyższa średnia wartość zanotowana została w iteracji 24 i wyniosła 87.82% (Tab.
B.7).
86 88 90 92 94
Frakcja Prawdziwie Pozytywna [%]
Ekspert 1
Frakcja Prawdziwie Pozytywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-19: Porównanie (procentowe) Frakcji Prawdziwie Pozytywnej poszczególnych iteracji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wyko-rzystaniu algorytmu Jednocześnie Odwrotnie Kompozycyjnego i danych segmentowanych ręcznie przez pięciu niezależnych ekspertów. Frakcja Prawdziwie Pozytywna dostarcza in-formacji o procencie prawidłowo wysegmentowanych pikseli.
8
Frakcja Fałszywie Negatywna [%]
Ekspert 1
Frakcja Fałszywie Negatywna [%]
Iteracja
Ekspert 5 Średnia
Rysunek A-20: Porównanie (procentowe) Frakcji Fałszywie Negatywnej poszczególnych ite-racji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wyko-rzystaniu algorytmu Jednocześnie Odwrotnie Kompozycyjnego i danych segmentowanych
Rysunek A-20: Porównanie (procentowe) Frakcji Fałszywie Negatywnej poszczególnych ite-racji algorytmu dla wyników automatycznej segmentacji danych medycznych przy wyko-rzystaniu algorytmu Jednocześnie Odwrotnie Kompozycyjnego i danych segmentowanych