Väitös 12.12.2020 Tarkempaa ihosyövän tunnistamista hyperspektrikameran avulla

- Ihosyövästä otetuista hyperspektrikuvista voi konvoluutioneuroverkon avulla esimerkiksi erotella sairaan ja terveen ihon, määritellä ihomuutosten rajat ja luokitella eri ihosyöpätyyppejä, Annala kuvailee.

Stokastisella simuloinnilla puolestaan voidaan tuottaa oikean näköistä hyperspektridataa, jota voidaan käyttää erilaisten koneoppimisalgoritmien, kuten konvoluutioneuroverkon, koulutukseen, ja sitä kautta ihosyövän tarkempaan tunnistamiseen hyperspektrikuvista.

Hyperspektrikuvantamisessa yhdistetään laite, joka päästää vain tietyn taajuista valoa lävitseen ja tavallinen konenäkökamera. Näin kameran kennolle tulevan valon aallonpituutta voidaan säädellä, ja ottaa useita kuvia, joiden välillä säädetään kennolle tulevaa aallonpituutta. Kuvausprosessin jälkeen kasassa on noin 50 - 200 valokuvaa, jotka kaikki vastaavat jotain pientä valon aallonpituusaluetta. Tällaisella menetelmällä saadaan tarkempaa tietoa kuvattavan kohteen väristä verrattuna ihmissilmään tai tavalliseen kameraan.

Konvoluutioneuroverkko on tunnettu erityisesti hahmontunnistustehtävistä. Konvoluutioneuroverkko oppii tunnistamaan kuvista tai datasta sopivia muotoja, hahmoja, tekstuuria ja muita piirteitä. Nämä tiedot voidaan yhdistää tunnistettaviin kohteisiin. Esimerkiksi jos kuvassa on auton hahmo, ja metallinen tekstuuri, kyseessä on luultavasti valokuva autosta. Jos taas tekstuuri on paperin oloinen, kyseessä saattaa olla piirros. Hyperspektridatasta voi konvoluutioneuroverkolla etsiä sekä kuvan suuntaisia piirteitä että spektrin suuntaisia piirteitä.

Väitöskirjatyössä tehty stokastinen simulointi perustuu Markovin prosessiin. Markovin prosessi voidaan mallintaa tilakaaviona, jossa tilasta toiseen siirtymiseen liittyy jokin todennäköisyys. Hyperspektridatan ja esimerkiksi ihosyöpäkuvien tapauksessa nämä todennäköisyydet voidaan laskea ihon fysikaalisten ominaisuuksien perusteella, jolloin saadaan melko tarkka malli siitä, miten valo ihon eri kerroksissa kulkee, ja kuinka suuri osa valosta eri aallonpituuksilla absorboituu ihoon.

Muita sovelluskohteita tutkituilla menetelmillä on esimerkiksi paperi- ja lääketeollisuuden laadunvalvonnassa ja maa- ja metsätaloudessa.

FM Leevi Annalan sovelletun matematiikan ja laskennallisten tieteiden väitöskirjan "Convolutional neural networks and stochastic modelling in hyperspectral data analysis" tarkastustilaisuus 12.12.2020 klo 10. Vastaväittäjänä professori Keijo Ruotsalainen (Oulun yliopisto) ja kustoksena dosentti Ilkka Pölönen (Jyväskylän yliopisto). Väitöstilaisuuden kieli on suomi. Yleisö voi seurata väitöstilaisuutta verkkovälitteisesti.

Linkki Zoom-webinaariin (suositellaan Zoom-sovellusta tai Google Chrome selainta): https://r.jyu.fi/dissertation-annala-121220

Puhelinnumero, johon yleisö voi tilaisuuden lopussa osoittaa mahdolliset lisäkysymyksensä (kustokselle): +358 400 248140

Lisätietoja:

Leevi Annala, puh. 0458903185, leevi.a.annala@jyu.fi