Para verificar los valores óptimos de los parámetros y su validez con este tipo de imágenes, se considera adecuado disponer de CT de tórax distintas a las utilizadas hasta el momento. Para ello se ha pedido a un investigador del grupo – denotado por G1 de aquí en adelante-, las imágenes de sus estudios CT de tórax con las que había obtenido el peor y el mejor resultado al segmentarlas con sus propios valores de parámetros. A la vez se
han utilizado las imágenes del grupo de pruebas de este trabajo – denotadas por G2- con las que se había obtenido el peor y el mejor resultado; para, estas últimas, ser segmentadas con los valores de parámetros utilizados por el otro investigador (G1).
Este proceso se ha realizado para los algoritmos Fuzzy CMeans y Spatially Kernelized Fuzzy C-Means.
Las máscaras de las imágenes de G1 difieren de las máscaras utilizadas en este trabajo, pues sólo indican con 1 ó 0 si los píxeles de la imagen respectiva corresponden a un punto del nódulo o no. No distinguiendo la zona difusa del entorno del nódulo, como ocurre con las máscaras utilizadas para las imágenes de esta tesis.
En la segmentación comparativa, sobre cada imagen, se han utilizado los mismos centroides tanto en las pruebas con valores de parámetros del investigador G2 como los del investigador G1. En la combinación de valores de parámetros a utilizar hay coincidencia en la segmentación en tres clases para la máxima detección de píxeles pertenecientes al nódulo. Se muestran en la Tabla 52 los valores utilizados como parámetros de entrada por los investigadores G1 y G2 para la segmentación del NPS de cualquier imagen de CT con el algoritmo Fuzzy CMeans.
FCM c m G1 3 2
G2 3 1,7
Tabla 52. Valores de parámetros utilizados en la validación cruzada para el algoritmo Fuzzy CMeans.
La función kernel, utilizada por el investigador G1 y la empleada por G2 con el algoritmo Spatially Kernelized Fuzzy C-Means, hace corresponder diferente valor al parámetro Sigma por ser distinta la expresión asignada al denominador, tal como se especifica a continuación: G1 G2
2 2
/2 ( , ) x y K x y e
2 2 / ( , ) x y K x y e La Tabla 53 indica los valores de entrada al algoritmo Spatially Kernelized Fuzzy C-Means para las imágenes a segmentar utilizados por los investigadores G1 y G2.
Las imágenes utilizadas por los investigadores, con las que ambos han obtenido los peores resultados al segmentar el clúster nódulo, se han vuelto a segmentar empleando los
valores óptimos de parámetros obtenidos en esta tesis para la tipología de nódulo con densidad en vidrio deslustrado, y cuyos valores se indican en la Tabla 54.
SKFCM c m vecindad Alfa Sigma
G1 3 2 3 0,5 2
2 *550
G2 3 1,5 5 0,7 300 Tabla 53. Valores de parámetros utilizados en la validación cruzada para el
algoritmo Spatially Kernelized Fuzzy C-Means.
Valores parámetros entrada
FCM (c=15; m = 256)
SKFCM (c = 9; a = 0.8; v = 5 ; s = 50; m = 2)
Tabla 54. Valores de parámetros para segmentar imágenes con NPS en vidrio deslustrado.
4.3.1 Resultados empleando las imágenes del investigador G2
La Tabla 55 muestra los resultados obtenidos, con el algoritmo Spatially Kernelized Fuzzy C-Means, para la segmentación de las imágenes clasificadas como peor y mejor del grupo de pruebas utilizado en esta tesis; las columnas Difkook_G1 y Difkook_G2 muestran los rendimientos de dichas segmentaciones al aplicar los valores de parámetros de los investigadores G1 y G2 respectivamente. Con los valores de parámetros generales los resultados son malos en la imagen calificada como peor, consiguiendo buenos resultados al segmentar la imagen “peor” con la combinación óptima para la tipología de nódulo deslustrado conseguida en esta tesis.
SKFCM Cali_Im Difkook_G1 Difkook_G2
Peor 0,00 0,00
Mejor 0,53 1,36
Deslustrada 0,00 1,08
Tabla 55. Resultados con el Spatially Kernelized Fuzzy C-Means para las imágenes de G2
Las imágenes utilizadas en este apartado disponen de máscaras con zona nódulo y zona entorno del mismo, por lo cual se indican en la Tabla 56 la fracción de aciertos y de fallos en la clasificación de los píxeles del nódulo, del entorno y del resto de la imagen,
obtenidas en las segmentaciones tanto con los valores de parámetros del investigador G1 como del investigador G2.
SKFCM Cali_Im fTP_G1 fFPe_G1 fFPr_G1 fTP_G2 fFPe_G2 fFPr_G2
Peor 1,00 1,00 1,00 0,00 0,00 0,82
Mejor 1,00 0,56 0,02 0,97 0,00 0,01
Deslustrada 1,00 1,00 1,00 0,83 0,05 0,02
Tabla 56. Fracción de aciertos y fallos con el algoritmo Spatially Kernelized Fuzzy C-Means para las imágenes de G2.
Con las citadas imágenes de G2, los resultados del algoritmo Fuzzy CMeans se indican en la Tabla 57 y en la Tabla 58.
FCM Cali_Im Difkook_G1 Difkook_G2
Peor -0,01 -0,01
Mejor 1,29 1,36
Deslustrada -0,01 1,09
Tabla 57. Resultados con el Fuzzy C-Means para las imágenes de G2
El rendimiento más alto en la mejor imagen con los valores paramétricos de G2 (1.36) es debido a la minimización de falsos positivos en el entorno del nódulo; la segmentación con los valores paramétricos de G1 produce más verdaderos positivos (1.00) a consta de aumentar los falsos positivos en el entorno (0.07) y en el resto de la imagen. Con los valores de parámetros generales los resultados son malos en la imagen calificada como peor, consiguiendo buenos resultados (1.09) al segmentar la imagen “peor” con la combinación óptima de G2 para la tipología de nódulo deslustrado.
FCM Cali_Im fTP_G1 fFPe_G1 fFPr_G1 fTP_G2 fFPe_G2 fFPr_G2
Peor 0,00 0,01 0,83 0,00 0,01 0,83
Mejor 1,00 0,07 0,02 0,97 0,00 0,01
Deslustrada 0,00 0,01 0,83 0,84 0,07 0,02
Tabla 58. Fracción de aciertos y fallos con el método Fuzzy C-Means para las imágenes de G2
4.3.2 Resultados empleando las imágenes del investigador G1
En la Tabla 59 y en la Tabla 60 se muestran los resultados obtenidos en la segmentación de las imágenes etiquetadas como peor y mejor por el investigador G1, en las cuales se aplicaron los valores específicos de parámetros utilizados por G2 y por G1.
SKFCM Cali_Im Difkook_G1 Difkook_G2 fTP_G1 fFP_G1 fTP_G2 fFP_G2
Mejor 1,24 1,32 0,90 0,01 0,95 0,01
Peor -0,01 1,36 0,00 0,01 1,00 0,03
Deslustrada -0,01 1,39 0,00 0,01 1,00 0,01
Tabla 59. Resultados con el Spatially Kernelized Fuzzy C-Means para las imágenes de G1.
En el caso de la imagen calificada “peor”, se ha vuelto a segmentar utilizando los valores de parámetros óptimos conseguidos para la tipología de nódulos de densidad en vidrio deslustrada, consiguiendo buenos resultados para los dos algoritmos analizados.
FCM Cali_Im Difkook_G1 Difkook_G2 fTP_G1 fFP_G1 fTP_G2 fFP_G2
Mejor 1,31 1,15 0,95 0,02 0,85 0,01
Peor -0,01 -0,01 0,00 0,01 0,00 0,01
Deslustrada -0,01 1,39 0,00 0,01 1,00 0,01
Tabla 60. Resultados con el método Fuzzy C-Means para las imágenes de G1.