ES2692520T3

ES2692520T3 - Método para mejorar los resultados de clasificación de un clasificador

Info

Publication number: ES2692520T3
Application number: ES12754439.3T
Authority: ES
Inventors: Anton John Van Den Hengel; Benjamin William Stephen WARD; Rhys Ernst HILL
Original assignee: LBT Innovations Ltd
Current assignee: LBT Innovations Ltd
Priority date: 2011-03-04
Filing date: 2012-03-02
Publication date: 2018-12-04
Anticipated expiration: 2032-03-02
Also published as: JP2018081719A; AU2012225193A1; JP2016167304A; AU2012225193B2; EP2681693A1; CN103534711B; KR101886469B1; CN103534711A; US10037480B2; EP2681693A4; JP2014513332A; JP6649174B2; KR20140026393A; WO2012119188A1; EP2681693B1; US20140219553A1

Abstract

Un método para mejorar los resultados de clasificación de un clasificador, que incluye: recibir, usando un procesador (12), resultados de clasificación para una pluralidad de elementos que han sido clasificados por un clasificador como una de una pluralidad de clases, construir (30), usando un procesador (12), un gráfico que tenga una pluralidad de nodos, correspondiendo cada nodo a uno de los elementos, y una pluralidad de etiquetas, correspondiendo cada etiqueta a una de las clases, en donde cada elemento es un píxel de una imagen y los elementos relacionados son píxeles adyacentes en la imagen, añadir (32), usando un procesador (12), bordes entre nodos correspondientes a los elementos relacionados, y añadir (34), usando un procesador (12), bordes entre cada nodo y cada etiqueta, usar (36) un algoritmo de corte de gráfico par cortar bordes en un nodo y particionar el gráfico en clases, donde el algoritmo de corte de gráfico usa como entrada los resultados de clasificación para el elemento correspondiente a ese nodo y los elementos relacionados, caracterizado porque: el clasificador es un clasificador multi-clase que ha sido aplicado para clasificar los elementos como una de tres o más clases, y los resultados de clasificación incluyen un valor de confianza para cada elemento, que indica confianza en la clasificación de ese elemento como cada una de las tres o más clases, y el algoritmo de corte de gráfico usa además como entrada el valor de confianza de la clasificación para el elemento correspondiente a ese nodo con el fin de cortar los bordes en un nodo y particionar el gráfico en las tres o más clases.

Description

5

10

15

20

25

30

35

40

45

50

55

DESCRIPCION

Metodo para mejorar los resultados de clasificacion de un clasificador Campo de la invencion

La presente invencion se refiere a metodos y software para mejorar los resultados de clasificacion de un clasificador. La invencion va a ser descrita con respecto a su aplicacion en la mejora de los resultados de clasificacion de pixel o de imagen; sin embargo, se apreciara que los principios y conceptos de la invencion son igualmente aplicables a otras tareas de clasificacion.

Antecedentes de la invencion

Un clasificador puede ser entrenado usando un algoritmo de aprendizaje de maquina para clasificar una pluralidad de elementos como una de una pluralidad de clases. El clasificador realiza una prediccion de la clasificacion de cada elemento, y tambien puede hacer una evaluacion de la confianza en la prediccion.

Un ejemplo ya existente de clasificador es un clasificador reforzado, que combina la salida de un conjunto de clasificadores “debiles” (con baja precision de clasificacion, aunque mejor que la aleatoria) para producir un unico clasificador “fuerte” con alta precision. Al combinar los clasificadores debiles, el resultado de cada clasificador debil se pondera conforme a la confianza en la exactitud del clasificador debil. Un algoritmo de refuerzo puede mejorar adaptativamente el rendimiento del clasificador proporcionando una mayor ponderacion a ejemplos mal clasificados por un clasificador debil cuando entrena al siguiente clasificador debil.

A pesar de combinar un numero de clasificadores debiles, el clasificador fuerte no producira necesariamente una clasificacion precisa para un problema dado. Por ejemplo, si se usa el clasificador reforzado para segmentar o seleccionar caractensticas de una imagen, algunos de los pfxeles de la imagen pueden ser mal etiquetados, conduciendo a ruido en la segmentacion resultante.

Este ruido puede ser limpiado hasta un cierto punto usando operaciones simples de filtraje morfologico tal como erosion y dilatacion de las etiquetas para eliminar pequenas regiones de ruido. La erosion disminuye el tamano de los objetos y elimina anomalfas; la dilatacion incrementa el tamano de los objetos y rellena agujeros. Sin embargo, la formulacion estandar de esas operaciones las hace ser de naturaleza simplistas y por lo tanto son incapaces de incorporar informacion adicional cuando se aplican.

Otras tecnicas existentes incluyen el uso de una tecnica de dilatacion mas sofisticada para refinar los resultados. En cada etapa de dilatacion, se calcula la probabilidad de que existan puntos cerca del borde de una region segmentada perteneciente a esa region, y se anaden puntos con probabilidades por encima del umbral. La probabilidad se basa en intensidad de imagen dentro de la region.

Otra alternativa consiste en el uso de segmentacion por lmeas divisorias de color, para mejorar los resultados de la clasificacion. La clasificacion se usa para extraer marcadores para cada region. La segmentacion por lmea divisoria se aplica entonces para expandir esas regiones hasta que todos los pfxeles han sido etiquetados. Esta expansion se basa en informacion de color de la region.

Dongfeng Han et al., “Cierta Segmentacion de Objetos en Base a Aprendizaje AdaBoost y Graph-Cuts Iterativos de Agregacion de Nodos” y “Segmentacion Automatica Basada en Aprendizaje AdaBoost y Graph-Cuts”, divulgan un algoritmo de segmentacion automatizado que usa un algoritmo de Cortes de Grafico iterativo para llevar a cabo segmentacion de objetos para una imagen. Espedficamente, ambos documentos de Dongfeng Han et al., divulgan un algoritmo de segmentacion automatizado de cuatro etapas que incluye las etapas de: aplicar aprendizaje AdaBoost, es decir, clasificacion, para determinar la ubicacion de un objeto en una imagen; expandir la ubicacion para segmentacion; agregacion de nodos multi-escala; y, segmentacion iterativa de Cortes de Grafico. Es decir, ambos documentos de Dongfeng et al., divulgan adaptar y automatizar un algoritmo de segmentacion basica para mejorar la eficacia del procesamiento para segmentacion de objetos en imagenes mas grandes construyendo al menos un grafico de una maneras diferente al algoritmo de segmentacion basica. Los expertos en la materia apreciaran que, con respecto a segmentacion de objetos de una imagen, cada pixel de la imagen se considera que es alguno de: fondo, objeto o desconocido. Tambien, se apreciara que Adaboost solo puede ser usado para determinar pfxeles de fondo de modo que el algoritmo de segmentacion basica requiere la especificacion manual de pfxeles asociados al objeto que va a ser segmentado.

En consecuencia, el algoritmo de segmentacion automatizada de objetos de los documentos de Dongfeng Han et al., incluye las etapas de: recibir resultados de clasificacion de una imagen a partir de un algoritmo AdaBoost en forma de un rectangulo con un interior que especifica pfxeles de la clase desconocida y un exterior que especifica pfxeles de la clase de fondo. El algoritmo incluye ademas construir un grafico que tenga una pluralidad de nodos, correspondientes a pfxeles de la imagen, y dos etiquetas, correspondientes a las clases de pixel de fondo y desconocida. El algoritmo realiza a continuacion las etapas de anadir bordes entre los nodos y anadir bordes entre cada nodo y cada etiqueta. Un algoritmo de corte de grafico, que usa el rectangulo obtenido a partir de los resultados de la clasificacion, se usa a continuacion para cortar los bordes en un nodo y particionar el grafico en

5

10

15

20

25

30

35

40

45

50

55

clases desconocida y de fondo.

La publicacion de Patente EP 1750226 divulga segmentacion de corte de grafico de una imagen medica previamente segmentada; en particular, describe un metodo interactivo para editar una pre-segmentacion de una imagen usando la tecnica de corte de graficos en la que el problema de la edicion se define como una minimizacion de una funcion de ene^a que contiene un termino que representa la pre-segmentacion; la ponderacion para el termino de pre-segmentacion se basa en la distancia entre la pre-segmentacion y los marcadores que un usuario colora sobre la imagen durante la edicion.

Un objeto de la presente invencion consiste en proporcionar un metodo alternativo para mejorar los resultados de clasificacion de un clasificador.

La discusion que antecede de la tecnica anterior ha sido incluida para explicar el contexto de la presente invencion. Esta no debe ser tomada como una admision de que cualquiera de los documentos u otro material mencionado hubiera sido publicado, conocido o que forme parte del conocimiento general comun en la fecha de prioridad de una cualquiera de las reivindicaciones de la presente descripcion.

Sumario de la invencion

La presente invencion proporciona un metodo para mejorar los resultados de clasificacion de un clasificador segun la reivindicacion 1.

Algoritmos de corte de graficos calculan una particion optima de un grafico en dos o mas clases mediante la minimizando de una funcion de energfa. En este caso, la funcion de energfa usa como entrada los resultados de clasificacion para elementos y sus elementos relacionados. La aplicacion del algoritmo de corte de grafico puede conducir a la reclasificacion de algunos de los elementos que han sido mal clasificados por parte del clasificador, mejorando los resultados de la clasificacion.

El clasificador que realiza la clasificacion inicial puede ser un clasificador multi-clase que haya sido aplicado para clasificar los elementos segun una de tres o mas clases. Por consiguiente, el algoritmo de corte de grafico puede ser un algoritmo de corte de grafico multi-clase para particionar el grafico en tres o mas clases. Un algoritmo de corte de grafico multi-clase es mas complicado que un corte de grafico binario, pero permite que se proporcione una clasificacion de elementos mas significativa. Un algoritmo de ese tipo puede incluir un procedimiento de expansion alfa o un procedimiento de expansion alfa y beta segun se ha descrito en Yuri Boykov, Olga Veksler y Ramin Zabih, “Minimizacion rapida de energ^a aproximada mediante cortes de grafico”, IEEE Trans. Pattern Anal. Mach. Intell., 23:1222-1239, Noviembre de 2001. En expansion alfa, se realiza una serie de cortes de grafico, segmentando cada vez entre la etiqueta actual para cada nodo, y una etiqueta candidato del conjunto de etiquetas posibles. Este procedimiento se repite, iterando a traves de cada etiqueta posible, hasta la convergencia. En la construccion del grafico, se anaden nodos auxiliares entre nodos adyacentes con diferentes etiquetas, para incluir el costo de este etiquetado en el corte.

El clasificador puede ser un clasificador reforzado, que combine la salida de un conjunto de clasificadores debiles para producir un clasificador fuerte. Alternativamente, el clasificador puede ser un arbol de decisiones, un bosque aleatorio, o puede usar Analisis Discriminante Lineal (LDA) o cualquier otra tecnica para clasificar los elementos.

Los resultados de clasificacion procedentes del clasificador pueden incluir un valor de confianza para cada elemento, indicativo de la confianza en la clasificacion de ese elemento, y el algoritmo de corte de grafico puede usar ademas como entrada el valor de confianza de la clasificacion para el elemento correspondiente a ese nodo. Adicionalmente, el algoritmo de corte de grafico puede usar ademas como entrada el valor de confianza de la clasificacion para elementos relacionados. El corte de grafico suaviza espacialmente los resultados, reduciendo el ruido en las clasificaciones o en el etiquetado. En particular, se mantendran normalmente las clasificaciones de alta confianza, mientras que las clasificaciones de baja confianza pueden ser reemplazadas para obtener una salida mas homogenea. Por ejemplo, si un elemento de baja confianza esta rodeado por elementos relacionados clasificados en la misma clase con alta confianza, puede existir mas confianza en la clasificacion del elemento de baja confianza. Del mismo modo, si los elementos relacionados estan clasificados en una clase diferente con alta confianza, existen razones solidas para cambiar la clasificacion del elemento de baja confianza a esa clase.

El algoritmo de corte de grafico puede usar ademas como entrada una probabilidad de que los elementos relacionados tengan la misma clasificacion. De ese modo, la funcion de energfa minimizada por el algoritmo de corte de grafico puede incluir terminos basados en la confianza de que un nodo dado tenga una etiqueta dada, y la probabilidad de que dos nodos adyacentes tengan etiquetas diferentes.

Los elementos que se clasifican pueden ser pfxeles de una imagen y los elementos relacionados pueden ser pfxeles adyacentes en la imagen. Alternativamente, los elementos pueden ser voxeles en un volumen 3D, por ejemplo procedentes de un escaneo de MRI, y los elementos relacionados pueden ser voxeles adyacentes. En otro ejemplo, los elementos podnan ser documentos que esten clasificados conforme a su contenido, y los elementos relacionados podnan ser pares de documentos donde uno contiene una referencia respecto al otro.

5

10

15

20

25

30

35

40

45

50

En un ejemplo, el metodo puede ser usado para limpiar los resultados de clasificacion de p^xel de un clasificador entrenado para clasificar p^xeles en datos de imagen de un medio de cultivo solido y cualquier crecimiento microbiano (tal como colonias de bacterias) sobre el medio de cultivo solido, tal como se ha descrito en la solicitud Internacional en tramite del mismo solicitante y con la misma fecha de deposito, titulada “Metodo y Software para Analizar Crecimiento Microbiano”. Se ha encontrado tambien que el metodo mejora los resultados de la clasificacion para pfxeles, en el ejemplo, para los que un clasificador reforzado tiene una baja confianza en su prediccion con el fin de deducir una evaluacion microbiologica mas precisa del medio de cultivo solido y de cualquier crecimiento microbiano.

Los expertos en la materia apreciaran que el medio sera normalmente, por ejemplo, agar y estara contenido normalmente en un contenedor tal como una placa y, en un ejemplo mas espedfico, una placa de Petri, que puede tener una tapa. La combinacion del medio y la placa se menciona en lo que sigue a traves de la totalidad de la descripcion como una “placa de cultivo” que a veces podna ser mencionada en el estado de la tecnica como “placa de agar”.

En una realizacion, los elementos relacionados incluyen ocho pfxeles adyacentes, de modo que cada pixel del grafico esta conectado completamente a los pfxeles circundantes de la imagen. Esto podna dar como resultado la particion mas precisa del grafico, pero podna ser computacionalmente caro. Para reducir el calculo e incrementar la velocidad del algoritmo, se pueden anadir bordes a solamente cuatro pfxeles adyacentes, por ejemplo los pfxeles de esquina pueden estar conectados al pixel intermedio en un bloque de pfxeles de 3 x 3.

En otra realizacion alternativa mas, para reducir el calculo, cada elemento puede ser una region contigua en, por ejemplo, una imagen. Los elementos relacionados pueden ser por lo tanto regiones contiguas adyacentes en la imagen. Un elemento puede ser un grupo de pfxeles vecinos que tengan el mismo color y caigan dentro de un recinto. En una imagen de colonias bacterias sobre un medio de cultivo solido, por ejemplo, cada region circular o colonia detectada por el clasificador puede ser un nodo en el grafico. Las regiones contiguas pueden incluir tambien pfxeles con la misma clasificacion y un valor de confianza por encima de un umbral (por ejemplo, un umbral que defina una alta confianza). Este grupo de pfxeles puede definir un simple elemento en el grafico.

El algoritmo de corte de grafico puede usar ademas como entrada un tamano esperado de un objeto de la imagen, tal como el tamano esperado de la colonia para un tipo de bacterias sobre el medio de cultivo solido. Esto podna permitir que el algoritmo de corte de grafico elimine grupos muchos mas pequenos que este tamano. Alternativa o adicionalmente, el algoritmo de corte de grafico puede usar ademas como entrada una regla predeterminada con respecto a los pfxeles vecinos. Esta regla puede ser obtenida a partir de un sistema experto, y puede incluir informacion anterior tal como que ciertos tipos de bacterias no crezcan unas junto a otras.

Adicionalmente, la presente invencion se extiende a un software para su uso con un ordenador que incluye un procesador y memoria para almacenar el software, incluyendo el software una serie de instrucciones ejecutables por el procesador para llevar a cabo el metodo conforme a una cualquiera de las realizaciones descritas con anterioridad.

La presente invencion se extiende tambien a un medio legible con ordenador que incluye el software, y a un aparato que incluye un procesador, una memoria y software residente en memoria accesible para el procesador, siendo el software ejecutable por el procesador para llevar a cabo el metodo conforme a una cualquiera de las realizaciones descritas con anterioridad.

Breve descripcion de los dibujos

Ahora se van a describir realizaciones de la presente invencion, a tftulo de ejemplo unicamente, con referencia a los dibujos que se acompanan. Se comprendera que la particularidad de los dibujos no sustituye la generalidad de la descripcion que antecede de la invencion.

La Figura 1 es un diagrama funcional de bloques de un ejemplo de sistema de procesamiento para llevar a cabo metodos conforme a realizaciones de la invencion;

La Figura 2 es un diagrama de flujo de un metodo para aplicar un algoritmo de corte de grafico para mejorar los resultados de clasificacion de un clasificador;

La Figura 3 muestra: (a) un grafico inicial y (b) un grafico particionado que muestra el etiquetado despues de que se ha aplicado un algoritmo de corte de grafico;

La Figura 4 muestra un grafico construido con un nodo auxiliar para su uso en el procedimiento de expansion alfa;

La Figura 5 es un conjunto de graficos que muestran posibles cortes que pueden ser realizados en el procedimiento de expansion alfa.

5

10

15

20

25

30

35

40

45

50

Descripcion detallada de una realizacion

Ejemplo de sistema de procesamiento

Un ejemplo de sistema de procesamiento para su uso con realizaciones de la invencion va a ser descrito con referencia a la Figura 1. El sistema de procesamiento 10 incluye un procesador 12, una memoria 14, al menos un dispositivo de entrada 16, al menos un dispositivo de salida 18, un puerto de comunicaciones 20, una interfaz 22 y un dispositivo de almacenamiento 24. Segun se ha mostrado, los componentes del sistema de procesamiento 10 estan acoplados entre sf a traves de un bus o de un grupo de buses 26.

El procesador 12 puede incluir mas de un dispositivo de procesamiento, por ejemplo para gestionar diferentes funciones dentro del sistema de procesamiento 10. La memoria 14 puede incluir cualquier dispositivo de memoria adecuado e incluyendo, por ejemplo memoria volatil o no volatil, dispositivos de almacenamiento de estado solido, dispositivos magneticos, etc. La memoria 14 puede almacenar instrucciones para su ejecucion por medio del procesador 12.

El dispositivo de entrada 16 recibe datos de entrada y puede incluir, por ejemplo, un teclado, un raton u otro dispositivo de puntero, un trackball, un joystick o pantalla tactil, un microfono, un receptor de datos o antena tal como un modem o un adaptador de datos inalambrico, una tarjeta de adquisicion de datos, etc. Un dispositivo de entrada 16 puede ser operable por un usuario para introducir datos de entrada, o puede recibir datos desde otra fuente de datos de entrada.

El dispositivo de salida 18 produce o genera datos de salida. El dispositivo de salida 18 puede incluir un dispositivo de visualizacion, un conjunto de altavoces de audio, una impresora, un puerto (por ejemplo, un puerto USB), un adaptador de componente periferico, un transmisor de datos o antena tal como un modem o un adaptador inalambrico de red, etc.

El dispositivo de almacenamiento 24 puede incluir cualquier forma de medio de almacenamiento de datos o de informacion, por ejemplo, memoria volatil o no volatil, dispositivos de almacenamiento de estado solido, dispositivos magneticos, etc. Un sistema de archivo y archivos pueden estar almacenados en el dispositivo de almacenamiento 24.

El puerto de comunicaciones 20 permite que el sistema de procesamiento 10 comunique con otros dispositivos a traves de una red cableada o inalambrica. La interfaz 22 acopla el sistema de procesamiento 10 a uno o mas de los dispositivos perifericos. Por ejemplo, la interfaz 22 puede incluir una tarjeta de PCI o una tarjeta de PC.

El sistema de procesamiento 10 puede consistir en cualquier forma de terminal, sistema de procesamiento de servidor, hardware especializado, ordenador, sistema de ordenador o dispositivo computarizado, ordenador personal (PC), telefono movil o celular, terminal de datos movil, ordenador portatil, Asistente Digital Personal (PDA), buscador o cualquier otro tipo de dispositivo similar.

Metodo para mejorar los resultados de clasificacion

Un metodo para mejorar los resultados de clasificacion de un clasificador puede ser ejecutado en el procesador 12 usando software almacenado en la memoria 14 o en el dispositivo de almacenamiento 24. Se va a describir una realizacion para limpiar los resultados de clasificacion de un clasificador de arbol de decision reforzado multi-clase, en particular un clasificador usado para clasificar pfxeles en datos de imagen de un medio de cultivo solido sobre una placa de cultivo y cualquier crecimiento microbiano. Un clasificador de ese tipo se encuentra descrito con mayor detalle en la solicitud en tramitacion mencionada con anterioridad, y puede ser usado para obtener una evaluacion microbiologica del medio de cultivo solido y de cualquier crecimiento microbiano sobre la placa de cultivo, por ejemplo para detectar la presencia o la ausencia de colonias bacterianas sobre el medio de cultivo solido.

Con referencia a la Figura 2, en la etapa 30, se construye un grafico con cada nodo correspondiente a un pixel (o uno de una muestra de pfxeles) de los datos de imagen. Se anaden tambien etiquetas, correspondiendo cada etiqueta a una clase. En la etapa 32, se anaden bordes entre nodos correspondientes a pfxeles adyacentes o vecinos, y en la etapa 34 se anade un borde entre cada nodo y cada etiqueta. En la etapa 36, se usa el algoritmo de corte de grafico para cortar bordes para un nodo y para particionar el grafico en clases, usando el algoritmo de corte de grafico como entrada los resultados de clasificacion de pixel para el pixel correspondiente a ese nodo y los pfxeles vecinos.

La Figura 3 muestra un ejemplo de un grafico inicial (a) y de un grafico particionado (b) que muestra el etiquetado tras el corte. En la Figura 3, un nodo fuente S y un nodo sumidero T corresponden a las posibles etiquetas de nodo. El corte del grafico determina una etiqueta para cada nodo, cortando el borde entre cada nodo y el sumidero o la fuente, y cortando bordes entre nodos adyacentes con diferentes etiquetas. Cada vez que se corta un enlace particular, se incurre en un costo. En el calculo del corte de costo mmimo, el procedimiento de corte de grafico minimiza una funcion de energfa de la forma:

10

15

20

25

30

35

E(I,X) = U(li, X*) + ^ V(ip, iq)

i€Ar p,«eA4

donde l es el conjunto de etiquetas, N es el conjunto de nodos, M es el conjunto de todos los nodos vecinos, x son los datos de funcion, U(li; Xi) asigna un costo a cada nodo para cada posible asignacion de etiqueta (implementada como costo sobre el corte del borde para la fuente o el sumidero), y V(lp, lq) asigna un costo a cada borde para asignar diferentes etiquetas a los nodos anexos.

U(h, xi) = min(-log(1,0 - pli (xi)), 20,0)

pli(Xi) es la confianza en la asignacion de la etiqueta li al vector de funcion xi, calculada con la formula para probabilidad de clasificacion correcta en un clasificador multi-clase con J clases donde h(x, k) es el resultado del clasificador para la clase k:

imagen1

mientras que:

imagen2

Otras entradas en el algoritmo de corte de grafico pueden incluir datos de color de imagen y de borde. Ademas, el tamano esperado de la colonia para un etiquetado, podna estar incluido en la asignacion de costo U(t; xi), Otro factor que puede ser tomado en consideracion es una regla predeterminada a partir de un sistema experto, tal como definiciones de tipos de colonias que podnan no aparecer unas cerca de otras o que es probable que aparezcan juntas Esto puede ser incorporado en el termino de alisamiento V(lp, lq).

Si el numero de etiquetas posibles es mayor que 2, se usa un procedimiento de expansion alfa para realizar un etiquetado de clase multiple a partir de un etiquetado binario. El seudocodigo para un procedimiento de expansion alfa se proporciona en la pagina 2 de Yuri Boykov, Olga Veksler, y Ramin Zabih, “Minimizacion de energ^a aproximada rapida a traves de cortes de grafico”, IEEE Trans., Pattern Anal. Mach, Intell., 23:1222-1239, Noviembre de 2001, segun se muestra a continuacion.

1. Iniciar con un etiquetado arbitrario f

2. Establecer exito := 0

3. Para cada etiqueta a e X

3.1 Encontrar f = arg min E(/’) entre f’ dentro de una a-expansion de f (Seccion 4)

3.2 Si E(f) < E(/), establecer /:= f y exito := 1

4. Si exito = 1 goto 2

5. Volver f

El procedimiento repite las etapas 3.1 y 3.2 para cada una de las clases posibles de, por ejemplo, tipo o fondo de bacterias, comprobando si algunas etiquetas de diferentes clases podnan ser conmutadas con la de esa clase sin incrementar la energfa total E del grafico. Una vez que el procedimiento ha sido repetido para cada clase y no es posible ninguna reduccion adicional de energfa, se devuelve el etiquetado optimo.

En la construccion del grafico, se anaden nodos auxiliares entre nodos adyacentes con diferentes etiquetas, para incluir el costo de este etiquetado en el corte. La Figura 4 muestra la adicion de un nodo auxiliar a entre los nodos p y q, y proporciona las ponderaciones de borde para este grafico. El coste de un corte es igual a la suma de sus pesos de borde. Para cada par de pfxeles, un corte debe separar uno de tres agrupamientos de bordes, segun se muestra en la Figura 5. El diagrama ha sido tomado de la pagina 6 del documento de Yuri Boykov, Olga Veksler y Ramin Zabih. El procedimiento de expansion alfa determina cual de los tres agrupamientos tiene el peso mmimo de borde y corta esos bordes. Se asigna un pixel a la etiqueta alfa si el corte separa el pixel de la etiqueta alfa.

Una vez que se ha realizado el corte del grafico, las clasificaciones resultantes de los pfxeles pueden ser analizadas

para deducir y presentar a la salida una evaluacion microbiologica de crecimiento microbiano sobre el medio de cultivo solido. Esta evaluacion puede incluir contar cuantos p^xeles estan etiquetados en cada clase para determinar los tipos y las cantidades de crecimiento microbiano sobre la placa de cultivo. Esto puede incluir tambien evaluar si el numero de pfxeles de una clase particular es mayor que un numero predeterminado.

5 Se comprendera que se pueden realizar diversas alteraciones, adiciones y/o modificaciones en las partes descritas en lo que antecede sin apartarse del ambito de la presente invencion, y que, en vista de las ensenanzas anteriores, la presente invencion puede ser implementada en software, firmware y/o hardware segun una diversidad de maneras como podran entender los expertos en la materia.

Claims

5

10

15

20

25

30

35

40

45

REIVINDICACIONES

1. - Un metodo para mejorar los resultados de clasificacion de un clasificador, que incluye:

recibir, usando un procesador (12), resultados de clasificacion para una pluralidad de elementos que han sido clasificados por un clasificador como una de una pluralidad de clases,

construir (30), usando un procesador (12), un grafico que tenga una pluralidad de nodos, correspondiendo cada nodo a uno de los elementos, y una pluralidad de etiquetas, correspondiendo cada etiqueta a una de las clases, en donde cada elemento es un pixel de una imagen y los elementos relacionados son pfxeles adyacentes en la imagen,

anadir (32), usando un procesador (12), bordes entre nodos correspondientes a los elementos relacionados, y

anadir (34), usando un procesador (12), bordes entre cada nodo y cada etiqueta,

usar (36) un algoritmo de corte de grafico par cortar bordes en un nodo y particionar el grafico en clases, donde el algoritmo de corte de grafico usa como entrada los resultados de clasificacion para el elemento correspondiente a ese nodo y los elementos relacionados, caracterizado porque:

el clasificador es un clasificador multi-clase que ha sido aplicado para clasificar los elementos como una de tres o mas clases, y

los resultados de clasificacion incluyen un valor de confianza para cada elemento, que indica confianza en la clasificacion de ese elemento como cada una de las tres o mas clases, y el algoritmo de corte de grafico usa ademas como entrada el valor de confianza de la clasificacion para el elemento correspondiente a ese nodo con el fin de cortar los bordes en un nodo y particionar el grafico en las tres o mas clases.
2. - Un metodo segun la reivindicacion 1, en donde el clasificador es un clasificador reforzado.
3. - Un metodo segun la reivindicacion 1, en donde el algoritmo de corte de grafico usa ademas como entrada del valor de confianza de la clasificacion para los elementos relacionados.
4. - Un metodo segun una cualquiera de las reivindicaciones anteriores, en donde el algoritmo de corte de grafico usa ademas como entrada una probabilidad de que los elementos relacionados tengan la misma clasificacion.
5. - Un metodo segun la reivindicacion 2, en donde el algoritmo de corte de grafico incluye un procedimiento de expansion alfa.
6. - Un metodo segun una cualquiera de las reivindicaciones 1 a 5, donde los elementos relacionados son ocho pfxeles adyacentes o cuatro pfxeles adyacentes.
7. - Un metodo segun una cualquiera de las reivindicaciones 1 a 5, en donde cada elemento es una region contigua de pfxeles en la imagen, con preferencia los elementos relacionados son regiones adyacentes contiguas en la imagen.
8. - Un metodo segun la reivindicacion 7, cuando depende de la reivindicacion 3, en donde cada region contigua incluye pfxeles con la misma clasificacion y un valor de confianza por encima de un umbral.
9. - Un metodo segun una cualquiera de las reivindicaciones 1 a 8, en donde el algoritmo de corte de grafico usa ademas como entrada un tamano esperado de un objeto de la imagen.
10. - Un metodo segun una cualquiera de las reivindicaciones 1 a 8, en donde el algoritmo de corte de grafico usa ademas como entrada una regla predeterminada con respecto a pfxeles adyacentes.
11. - Un metodo segun una cualquiera de las reivindicaciones 1 a 10, en donde el clasificador se usa para clasificar pfxeles en una imagen de un medio de cultivo solido y de cualquier crecimiento microbiano sobre el medio de cultivo solido.
12. - Un medio legible con ordenador que incluye software para su uso con un ordenador que incluye un procesador (12) y memoria (14) para almacenar el software, incluyendo el software una serie de instrucciones ejecutables por el procesador (14)para llevar a cabo un metodo segun se reivindica en una cualquiera de las reivindicaciones 1 a 11.
13. - Aparato (10) que incluye: un procesador (12);

una memoria (14), y

software residente en la memoria (14) accesible para el procesador (12), incluyendo el software una serie de instrucciones ejecutables por el procesador (12) para llevar a cabo el metodo segun se reivindica en una cualquiera

de las reivindicaciones 1 a 11.