Duboko učenje za segmentaciju slojeva u slikama retine

master's thesis

• Title (english): Deep Learning for Layer Segmentation in Retinal Images
• Author: Nikola Biliš
• Mentor: Sven Lončarić (mentor)
• Committee member: Sven Lončarić (predsjednik povjerenstva)
• Committee member: Davor Petrinović (član povjerenstva)
• Committee member: Marko Subašić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2019-07-11, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Posljednjih godina su metode dubokog učenja u mnogim slučajevima ostvarile su-
periorne rezultate za probleme segmentacije slika u odnosu na tradicionalne metode.
Modeli ispitani u ovom radu, CNN-S i U-Net su duboke konvolucijske neuronske
mreže čija je arhitektura dizajnirana za segmentaciju slojeva retine na slikama dobive-
nima optičkom koherentnom tomografijom. CNN-S koristi regresijski model, a U-Net
klasifikacijski. Oblik i debljina slojeva retine su ključni za dijagnozu brojnih bolesti
oka. Slike nad kojima su trenirane obje mreže prikazuju retine pacijenata koji boluju
od senilne makularne degeneracije. Ovaj rad detaljno opisuje pripremu podataka za
treniranje. Zatim je izložena korištena implementacija obje mreže da bi se konačno
usporedili i objasnili validacijski rezultati pomoću standardnih statističkih mjera toč-
nosti.

Abstract (english)

In recent years deep learning based methods have demonstrated superior results in
image segmentation problems over traditional methods. The models investigated in
this study, CNN-S and U-Net are deep convolutional neural networks whose arhitec-
ture is designed for segmentation of retinal layers in images acquired through optical
coherence tomography. CNN-S implements regression model, while U-Net imple-
ments classification model. Shape and thickness of retinal layers are very important
features for diagnosing various eye diseases. Images used for training both networks
show retinal layers taken from patients that suffer from age-related macular degenera-
tion. This thesis describes data preprocessing in detail. Afterwards, implementations
of both networks is presented. Finally, the validation results of two networks are shown
and compared using standard statistical measures.

• Keywords: Duboko učenje; CNN-S; U-Net; OCT; AMD; retina; segmentacija slika
• Keywords (english): Deep learning; CNN-S; U-Net; OCT; AMD; retina; image segmentation
• Language: croatian
• URN:NBN: urn:nbn:hr:168:525501
• Study programme: Title: Information and Communication Technology; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2020-01-07 16:48:13