Segmentacija srca i krvnih žila iz medicinskih slika korištenjem duboke neuronske mreže

završni rad

• Naslov (engleski): Heart and Blood Vessel Segmentation From Medical Images Using Deep Neural Networks
• Autor: Zrinka Pećanić
• Mentor: Sven Lončarić (mentor)
• Član povjerenstva: Sven Lončarić (predsjednik povjerenstva)
• Član povjerenstva: Duje Medak (član povjerenstva)
• Član povjerenstva: Luka Posilović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-07, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

S bolestima krvožilnog sustava kao vodećim uzrokom smrti u svijetu logično je zapitati se može li tehnologija ubrzati/olakšati dijagnostiku i/ili liječenje. Cilj rada jest segmentirati sinkrotronske slike srca i krvnih žila kako bi se omogućilo brže prepoznavanje struktura (srčano tkivo, krvne žile) na istima. U radu je objašnjen korišteni model mreže U-Net – arhitektura i implementacija, hiperparametri te načini evaluacije i optimizacije modela. Predložene i implementirane su dvije vrste učenja: nadzirano – korištenjem samo označenih podataka u treniranju i polunadzirano – korištenjem označenih i neoznačenih podataka u treniranju.

Sažetak (engleski)

With heart and blood vessel diseases being the leading cause of death globally, it is only logical to wonder how can technology help improve/ease their diagnostics and/or treatment. The goal was to create a model that will aid in recognizing structures (such as heart muscle tissue and blood vessels) using images obtained from the imaging machine synchrotron. In this paper we explain the U-Net model we used – its architecture and implementation, hyperparameters, as well as methods of model quality evaluation and optimization. Two network learning methods are proposed: supervised learning – exclusively using labeled data to train the model and semi-supervised learning – using both labeled and unlabeled data to train the model.

• Ključne riječi: segmentacija; u-net; srce; žile; model; nadzirano; polunadzirano; neuron; učenje
• Ključne riječi (engleski): segmentation; u-net; heart; vessels; model; supervised; semi-supervised; neuron; learning
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:053836
• 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 21:24:12