Klasifikacija ortopantomograma pomoću dubokih neuronskih mreža

diplomski rad

• Naslov (engleski): Classification of Orthopantomograms Using Deep Neural Networks
• Autor: Miljenko Šuflaj
• Mentor: Marko Subašić (mentor)
• Član povjerenstva: Marko Subašić (predsjednik povjerenstva)
• Član povjerenstva: Sven Lončarić (član povjerenstva)
• Član povjerenstva: Zvonko Kostanjčar (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-12, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Ponovno posjećujemo problem detekcije i klasifikacije zuba, no ovog puta s modernijim metodama. Koristeći Swin transformer i Mask R-CNN detektor, finetuneamo predtrenirani detektor nad našim podatkovnim skupom. Navodimo kako bi u optimalnom slučaju izgledao podatkovni skup, model, hiperparametri. Prikazujemo naše rezultate te ih komentiramo. Uspoređujemo s bogatom kolekcijom postojećih radova na temu. Prezentiramo ciljeve za buduće istraživanje na temu.

Sažetak (engleski)

We visit the problem of detection and classification of teeth once more, only this time with modern methods. Using a Swin transformer and a Mask R-CNN detector we finetune the pretrained detector on our dataset. We list how an optimal scenario regarding our dataset, model and its hyperparameters would look like. We show our results and comment on them. We compare them to the rich collection of existing work on the topic. Finally, we present goals for future work on the topic.

• Ključne riječi: duboko učenje; ortopantomogram; zubi; transformer
• Ključne riječi (engleski): deep learning; orthopantomogram; teeth; transformer
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:796435
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 16:20:00