Primjena strojnog učenja u određivanju dobi djece na temelju rendgenskih snimki šake

završni rad

• Naslov (engleski): Application of machine learning for predicting the age of a child from X-ray hand images
• Autor: Antea Ribarić
• Mentor: Mirjana Domazet-Lošo (mentor)
• Član povjerenstva: Mirjana Domazet-Lošo (predsjednik povjerenstva)
• Član povjerenstva: Nikica Hlupić (član povjerenstva)
• Član povjerenstva: Marina Bagić Babac (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-01, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Za određivanje koštane dobi iz snimki zapešća, danas se u medicinskoj struci koristi Greulich-Pyleova metoda. Ova metoda temelji se na vizualnoj usporedbi snimke s referentnim snimkama iz atlasa, stoga je idealni kandidat za programsku implementaciju pomoću strojnog učenja.
U radu sam obradila temu predviđanja koštane dobi na temelju rendgenskih snimki zapšća. Opisala sam trenutno postojeća rješenja s natjecanja Radiološkog društva Sjeverne Amerike i predložila rješenje za dani problem. Rješenje je napisano u programskom jeziku Python pomoću biblioteka Keras i TensorFlow, a temelji se na konvolucijskoj neuronskoj mreži.

Sažetak (engleski)

Greulich-Pyle method is a standard for predicting bone age from X-ray hand images in medicine. This method is based on visual comparison of X-ray hand images with the references from the atlas, which means it is a great candidate for machine learning implementation. In this thesis, I have discussed predicting bone age from X-ray hand images. I have proposed my own solution and compared it to the existing solutions from the competition held by Radiological Society of North America. The solution, based on convolutional neural network, was written in Python using Keras and TensorFlow libraries.

• Ključne riječi: strojno učenje; konvolucijske neuronske mreže; umjetne neuronske mreže; umjetna inteligencija; Keras; TensorFlow; InceptionV3; MobileNetV2; radiologija; koštana dob
• Ključne riječi (engleski): machine learning; convolutional neural network; artificial neural network; artificial intelligence; Keras; TensorFlow; InceptionV3; MobileNetV2; radiology; bone age
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:158652
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 21:33:16