Discussion :

[blackmisery]

Hello,
j'ai réussi à déterminer, à partir d'une image radio (Dicom), si un nez était fracturé ou non et ce en utilisant (après isolement du nez) la dimension de Hausdorff. Celle-ci permet de calculer la "rugosité" d'un objet : plus c'est rugueux, plus ça a de chance d'être fracturé. Bref, je voudrais comparer cette méthode à d'autres méthodes de classification afin d'en voire le bien fondé.
Je sais que les SVM sont basés sur 2 classes en natif, mais comment vais-je représenter le vecteur du nez pour que cela puisse être pris en considération?
(exemple : ).
Dois-je m'orienter vers d'autres méthodes (Réseau de neurons, Bayésiens...), plus simples ou plus complexes qui me permettraient au final de savoir si réellement ce que j'ai fait à présent est "défendable" ?

D'avance merci!

[ToTo13]

Bonsoir,

il y a comme toujours deux politiques à ce genre de problème et on donnera une troisième hybride (logique...) :
- 1 - soit tu te bats sur les caractéristiques qui alimentent ton modèle de classement.
- 2 - soit tu travailles sur l'algorithme de classement et/ou la préparation des données.

Dans la deuxième, il est souvent préférable dans un souci de robustesse/validation d'utiliser plusieurs méthodes de classement différentes. J'ai un faible (comme la grande majorité) pour débuter par la régression logistique qui une méthode linéaire. Les SVM et autres réseaux de neurones sont relativement "équivalents" (attention à ce que l'on sous-entend par ce mot) en terme de performances et il y a deux écoles qui s'affrontent. Choisis en une des deux et/ou les deux. Sinon tu peux tester les Random Forest (TRES à la mode) et les bon vieux (mais toujours aussi performants) k plus proches voisins.
Toutes les autres méthodes peuvent aussi faire l'affaire, tu trouveras ton bonheurs sous MatLab ou dans Weka.

[blackmisery]

Je pense que c'est ok pour moi. Ce que je vais faire c'est créer un fichier avec les données suivantes : Périmètre | Surface comme attributs, et Fracturé / non Fracturé comme classe.
Weka est très bien pour quelqu'un qui n'a pas envie de se casser la tête à développer Je vais essayer toutes les méthodes, à la mode ou pas
Une dernière question. J'ai une centaine d'échantillons, et je veux bien essayer la notion d'apprentissage. Du coup, j'en choisis quelques uns au hasard et les libelle "échantillons d'apprentissage" puis je teste à chaque fois avec de nouveaux échantillons? C'est bien cela le principe du "training"? Merci!

[ToTo13]

Bonjour,

oui, le principe est bien cela, mais inutile d'en sélectionner certains !
SI le nombre d'échantillons "cassés" est comparable au "non cassés" (problème classique du "Imbalanced Data Set") alors tu peux tout donner à weka qui fera lui même la validation en fonction de ce que tu lui demandes.
D'une manière générale, plus on a d'échantillon mieux c'est car au plus on évite l'apprentissage par coeur.

Mais par contre, je trouve que le nombre de caractéristiques données est vraiment faible :-(
N'y a t'il pas moyen d'en donner plus ?
Est ce que la forme des os cassés du nez sont significativement différents des non cassés ? (des fois cela peut être subtil).
Je parle de forme, car tu as l'air d'avoir une image binaire comme résultat et que tu souhaites donner des paramètres de forme.
Dans ces cas là, la texture apporte souvent une information plus pertinente.

[blackmisery]

Bonjour Toto13,
Effectivement il s'agit d'une image binaire sur laquelle tester. J'ai deux caractéristiques pour l'instant : la superficie / surface (très simple à calculer, la somme de tous les pixels non noirs ) et le périmètre (bizarre qu'il n'y ait pas de fonction "précise" sous Matlab).
Concernant les formes, des fois oui il y a une grosse différence entre un nez cassé et un autre sain. C'est assez rare (2 cas sur 100 en ce qui me concerne), il faut pour cela que le patient se soit complètement cassé la figure, au sens propre...Pour les informations de texture, si les images en entrée sont toutes en noir et blanc, cela peut-il toujours servir?

Thanks!

[blackmisery]

J'ai trouvé ce lien fort intéressant, qui énumère les différents types d'attributs :
http://wiki.jmbanda.com/tiki-index.p...Feature%20List
Je vais en choisir quelques uns en adéquation avec mon image (attributs de forme donc) (5 ou 6 je pense que c'est bien), les exécuter sous Matlab et partir m'amuser avec mon nouvel ami Weka.

++

[ToTo13]

Bonjour,

si tu travailles sur une image binaire, la texture ne donnera RIEN. Par contre, puisque tu as un masque de segmentation, tu pourrais l'utiliser pour simplifier ton image d'origine et ainsi avoir une information texture.

Par contre pour la forme, je suis très fan des indices de forme (un chapitre complet et la liste est en annexe).
Tu pourrais peut être commencer par des méthodes simples comme les moments, si les différences sont grandes, tu auras des résultats.
J'avais également testé les descripteurs de Fourier qui donnent parfois de bons résultats.


Par contre au niveau apprentissage/classement, tu ne pourras absolument rien faire si tu n'as que deux individus dans la classe "cassé", c'est beaucoup trop déséquilibré.

[blackmisery]

Merci pour le complément d'informations.
J'ai deux individus dont la forme du nez est très différente des autres. Mais sinon j'ai à peu près 35 nez fracturés pour 65 nez sains. J'essaie tes méthodes et je reviendrai ici poster les résultats.

Merci!

[ToTo13]

Ok, j'attends les résultats.
Pour info, il te faudra dupliquer les individus "cassés" afin d'équilibrer l'échantillon.

[blackmisery]

Hello,
je fais un retour "d'avancement" parce que ce n'était pas si aisé...
J'ai donc 48 nez cassés et 52 nez sains.
Pour les attributs / indices de forme, j'en ai choisi 5 :
Périmètre, Surface, Rectangle englobant, Extension et Solidité (ou convexité).
Je poste ce que j'ai pu faire sous Matlab. C'est très simple mais j'ai trouvé que beaucoup de personnes étaient dans le même cas que moi, du moins sur le net. Peut être que cela pourrait aider
Ce mini programme permet, pour n images données (avec un compteur), d'en extraire les différentes caractéristiques citées précédemment.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
for k=1:50
 
 
 
varFileName = ['D:\pics\ok' num2str(k) '.jpg']
 
I=imread(varFileName);
 
 
I=im2bw(I);
 
s=regionprops(I,'Perimeter','area','Extent','BoundingBox','Solidity')
%Périmètre%
allPerimeters = sum ([s.Perimeter])
%Superficie%
allAreas = sum([s.Area])
%Compacité%
Compacity = sqrt(allPerimeters)/(4*pi*allAreas)
%Extension - Allongement
allExtent = sum ([s.Extent])
%Enveloppe Convexe
allBounding = sum ([s.BoundingBox])
%Solidité - Convexité
Solidity = sum ([s.Solidity])
 
end

Maintenant je vais juste rajouter un export vers .csv pour que ce soit lisible par Weka et partir sur les méthodes de classification.
N'hésitez pas à me corriger si défaut quelque part. Je reviendrai avec les résultats de mes tests.

[Aleph69]

Bonjour,

pour mettre toutes les chances de ton côté, il pourrait être intéressant de prendre un grand nombre de variables (en gros tout ce qui te semble influer) et sélectionner ensuite les variables qui discriminent les nez cassés et non cassés à l'aide d'une approche statistique.

EDIT : vu la taille de ta base, peut-être que faire une ACP pour détecter visuellement les variables influentes serait adéquat.

[blackmisery]

Bonsoir Aleph69,
je m'excuse pour ma réponse (trop) tardive. J'ai dû chercher comment analyser mes variables via l'ACP (en plus de me documenter sur cette ACP . Je suis passé par Matlab et plein d'autres logiciels mais au final, le seul qui ait pu répondre à mes besoins c'est SPSS. J'ai donc passé le test de factorisation (mes variables sont corrélées entre elles et peuvent être factorisées) et obtenu les différents matrices et graphiques; En suivant de près les tutoriels pour l'interprétation des résultats, j'ai conclu que les indices "Solidity" et "Bounding" (celles qui contribuent le plus au premier axe)(soit convexité et enveloppe convexe) sont les seules variables que je devrais utiliser pour la classification avec d'autres méthodes.
Je poste mes résultats ici :
http://www.louizi.com/thesis/acp/
Peut être que tu pourrais me confirmer / infirmer mes conclusions pour passer à l'étape suivante.

Merci!

[blackmisery]

Hello,
un peu d'aide par ici serait le bienvenu
J'aimerai aussi si c'est possible que l'on m'explique un peu la différence entre l'ACP et la sub features selection? S'agit-il du même raisonnement à suivre? Des mêmes résultats?

Merci pour vos retours!

[Aleph69]

Bonjour,

désolé je n'ai pas le temps de regarder en profondeur tes résultats mais je peux te donner quelques explications qui peuvent t'aider à le faire par toi-même. Idéalement, il faudrait que tu te procures un livre sur l'ACP (achat, bu, ...).

Il y a une différence fondamentale entre la sélection de variable (feature selection) et l'extraction de variable (feature extraction). La sélection de variable permet d'éliminer les variables les moins influentes. L'extraction de variable permet de calculer des variables "artificielles" dont on peut espérer qu'elles soient moins nombreuses que les variables initiales.

L'ACP fait de l'extraction : elle permet d'exprimer tes variables comme des combinaisons linéaires de nouvelles variables (vecteur propres). Cela te permet d'éliminer l'information redondante (variables corrélées).

Dans le tableau "Variance expliquée", on te donne l'information contenue dans chaque composante, c'est-à-dire chaque vecteur propre. La quantité d'information contenu dans une composante correspond au ratio entre la valeur propre qui lui est associée et la somme des valeurs propres de toutes les composantes. Ce qu'il faut que tu regardes c'est le % cumulé. Tu te rends compte que les deux premières composantes contiennent environ 92% de l'information. En remplaçant tes variables par ces deux composantes tu as donc une perte d'information d'environ 8% ce qui est très acceptable. Le logiciel a automatiquement sélectionné ces deux composantes et a projeté tes variables sur les axes correspondants : c'est ce qui correspond au graphique "Diagramme des composantes". Extent, Bounding et Solidity sont corrélés positivement avec le premier axe : quand la valeur d'une variable augmente (resp. diminue), celle des autres augmente (resp. diminue) aussi. Cela signifie que tu as une redondance d'information entre Extent, Bounding et Solidity. De même, les variables Perimeter, Area et Compactness sont corrélées avec le second axe. La corrélation entre Perimeter et Area est positive tandis que Compactness est corrélée négativement avec les deux autres : quand Compactness augmente, Perimeter et Area diminuent et réciproquement et inversement. Tu peux aussi voir toutes ces corrélations dans la "Matrice des corrélations".

Ce qui serait intéressant de visualiser, c'est la projection de tes individus sur tes axes en les coloriant selon qu'ils ont des nez sains ou cassés. Ca doit pouvoir se faire sous spss. Cela te permettra d'identifier les variables qui influent sur ces classes. Je te laisse chercher comment faire ça avec le logiciel. Envoie ensuite le graphique et on en discutera.

[blackmisery]

Aleph69 tout d'abord merci beaucoup pour ton temps, et surtout la clarté de ta réponse. C'est beaucoup plus clair pour moi.
Concernant le diagramme, j'ai du bidouiller tout seul dans SPSS, étant donné que je dispose d'une version très récente et que je n'ai pas réussi à comprendre plusieurs chiffres utilisés dans le document (excellent d'ailleurs) que tu m'as passé.

Je poste donc ici le diagramme

http://www.louizi.com/thesis/acp/acp.html

Je posterai ultérieurement un petit tutoriel pour avoir ce résultat.

Au plaisir de te lire.

[Aleph69]

Bonsoir,

le diagramme que tu as posté ne correspond à ce dont je parlais. Il s'agit plutôt d'un graphique des projections des individus sur les deux premières composantes. Il s'agit du premier graphique de la section 3.4.2 dans le document que je t'ai indiqué. Quelle version de SPSS utilises-tu?

[blackmisery]

Salut Aleph69,
c'est IBM SPSS Statistics 19.
J'ai inscrit les étapes que j'ai suivies ici :

http://www.louizi.com/thesis/acp/acp.html

Merci!

[Aleph69]

En fait, tu as fait un diagramme de dispersion avec les variables initiales de ton problème. Il faut procéder autrement.

Il faudrait que tu arrives à récupérer les coordonnées de tes individus dans l'espace formé par les deux premières composantes de ton ACP. Autrement dit, il faut que tu puisse "enregistrer" ces deux composantes comme des variables de ton problème. Le graphique dont je te parle consiste simplement à afficher les individus dans le plan 2D formé par les deux composantes. Avec tes variables, cela reviendrait à afficher tes individus dans l'espace à 6 dimensions formé par tes variables (chaque individu est un vecteur). Bien sûr, ce n'est pas possible de visualiser un tel graphique, c'est pour cela qu'on utilise une ACP pour se ramener à deux dimensions (ou trois au pire).

[blackmisery]

Salut Aleph69,
cette fois-ci c'est la bonne. Ce n'est pas aussi bien colorié que l'exemple que tu m'as passé mais c'est déjà ça
J'ai mis un récapitulatif grosso modo de ce que j'ai fait. Et j'ai surtout inséré les graphiques à la fin.

http://www.louizi.com/thesis/acp/acp2.html

[Aleph69]

Bonjour,

c'est bien ça! Cela aurait été plus clair avec des couleurs mais bon...

Par contre, j'ai honte j'ai omis de te parler d'un truc important et j'ai peur que tu ais oublié de le faire. Il faut ABSOLUMENT normaliser les données avant de faire l'ACP. En général, on centre et on réduit chaque colonne (chaque variable si tu préfères). On soustrait chaque colonne par sa moyenne et on divise le tout par l'écart-type de cette même colonne. Ca permet d'éviter les effets d'échelle. Par exemple, dans ton cas, tes variables sont exprimées dans des unités de mesure différentes (m, m², etc) et ca pose un problème parce que les variables qui vont contenir des très gros coefficients vont être artificiellement plus influentes que les autres (quand tu soustrais un grand nombre et un petit nombre, la soustraction est proche du grand nombre et l'influence du petit nombre est négligeable). C'est en particulier vrai quand on calcule des distances euclidiennes parce qu'en plus tout est au carré.

Bref, il faudrait recommencer tout le processus en ayant normaliser préalablement tes données avec SPSS.

Je suis sincèrement désolé pour le contretemps.