Influence of Image Pre-Editing on Algorithm for Urinary Bladder Cancer Detection

U ovom su radu realizirane dvije metode detekcije karcinoma mokraćnog mjehura pomoću slike. U prvom su djelu prikazane metode za predobradu slike, koje se sastoje od: augmentacije, skaliranja slike, Canny detektora ruba, detektora ruba realiziranog pomoću Laplaciana te fourierova transformacija. U sljedećem je koraku realizirana neuronska mreža, na kojoj se izvršilo ispitivanje utjecaja navedenih metoda za pred-obradu slike. Iz dobivenih je rezultata vidljivo kako mreža postiže najveću točnost ukoliko su provedeni skaliranje i augmentacije, dok se uz upotrebu detektora ruba smanjuje točnost ali i povećava brzina treniranja. Ukoliko se koristi genetsko programiranje postižu se zadovoljavajuće točnosti jedino uz augmentirani set podataka za treniranje.In this paper, two methods of detecting bladder cancer are described. In the first part, the methods of image pre-editing, consisting of: augmentation, image scaling, Canny edge detector and edge detectors realized by Laplacian are shown. In the next step, a neural network was realized, which tested the influence of the above pre-processing methods. The obtained results show that the network achieves the highest accuracy if scaling and augmentation are performed, while using the edge detector decreases the accuracy but also increases the training speed. If genetic programming is used, higher accuracy is achieved only with the augmented training data set