Discussion :

[blackmisery]

Bonsoir à tous,

j'ai des images radios de plusieurs patients, prises des deux côtés (gauche et droite) : soit donc 2 images par patient.
Jusqu'au là, j'ai travaillé uniquement sur les images de droite pour déterminer la classe d'appartenance du nez du patient (3 classes en tout : A,B et C).

Je veux enrichir ce travail en incluant maintenant les images de gauche. Je voudrai savoir s'il est possible de traiter ce problème via un classifieur précis (exemple les forêts aléatoires) ou une certaine méthode / approche pour avoir en résultat un ensemble de conclusion du type :

- si à partir de l'image de droite l'appartenance est confirmée à plus de XX% à la classe A, alors passer à l'image de gauche dans le traitement.

- si à partir de l'image de gauche l'appartenance est confirmée à plus de YY% à la classe B, arrêter le programme.

En gros, les résultats d'un JPDA filter, mais d'une manière automatisée (je n'ai pas à introduire les hypothèses moi-même puisque je ne les connais pas).

Je suis preneur pour toute suggestion

Merci !

[blackmisery]

Suis-je bien sur le bon Forum ou bien dois-je déplacer le sujet sur "Traitement d'images" ?

[Aleph69]

Bonjour,

il suffit de fusionner les variables de l'image A et de l'image B pour obtenir une seule et même base de données. Pour avoir le genre de règle que tu souhaites obtenir, les arbres de décision sont particulièrement adaptés.

[ToTo13]

Bonjour,

les forêts aléatoires sont une des méthodes les plus performantes à ce jour, mais il ne faut pas oublier les réseaux de neurones et les SVM.
Je te conseille d'essayer plusieurs classifieurs car il n'y a jamais un classifieur universel.
Tu as toute une bibliothèque disponible dans weka pour faire des tests.

[blackmisery]

Bonsoir à vous deux,

merci pour les réponses. Juste une question : Fusionner c'est au lieu d'avoir des vecteurs représentatifs à 6 variables pour chaque image j'en obtiens un à 12 pour les deux images en même temps?
Si je dois appliquer un algo sur ce vecteur, les déductions à faire seront elles fonction des résultats (reconnaissance des classes) ou des variables utilisées?

Je ne vois pas trop comment lier (ou corréler si je peux dire) les résultats suivant le type de l'image?

[Aleph69]

Bonjour,

l'arbre de décision te dira si ce que tu souhaites faire est pertinent. Par exemple, il va te dire, si la 1ere variable est supérieure à 0.9 et si la dernière variable est inférieure à 0.5 alors l'individu concerné est de classe A. Dans ton étude, cela revient à dire que si avec la première variable dans l'image 1 est supérieure à 0.9 et qu'en regardant la seconde image on constate que sa 6e variable est inférieure à 0.5, alors l'individu est de classe A (nez cassé non soignable par ex).

ToTo13 a raison d'affirmer que les forêts aléatoires sont plus performantes que les arbres de décision basiques (les forêts aléatoires sont des forêts d'arbres de décision particuliers). Cependant, pour voir dans un premier temps si le fait de passer d'une image à l'autre à un sens pour chaque classe, les arbres de décision sont plutôt sympas car faciles à interpréter.