Segmentacija stomatoloških panoramskih rendgenskih snimaka

završni rad

• Naslov (engleski): Segmentation of Stomatologic Panoramic X-ray Images
• Autor: Dorian Smoljan
• Mentor: Marko Subašić (mentor)
• Član povjerenstva: Marko Subašić (predsjednik povjerenstva)
• Član povjerenstva: Denis Milošević (član povjerenstva)
• Član povjerenstva: Karlo Koščević (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-07, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Cilj ovog rada bio je pronaći i testirati odgovarajuću arhitekturu za problem
semantičke segmentacije kada je prisutan manji broj neoznačenih i veći broj označenih
primjera. Predstavljena je cycleGAN arhitektura, te je testirana na konkretnom
problemu semantičke segmentacije ortopanograma. Arhitektura je izabrana
iz razloga što može iskorisiti i neoznačene slike kao pomoć pri treniranju. Dobiveni
rezultati su pokazali da cycleGAN arhitektura uspješno rješava navedeni
problem, no da ipak zaostaje u usporedbi s najnaprednijim diskriminativnim modelima.

Sažetak (engleski)

The goal of this work was to find and test an adequate deep learning architecture
applicable to the problem of semantic segmentation, in the case when we
at our disposal have a limited number of labeled images, but a relatively high
amount of unlabeled images. cycleGAN, a type of generative model was proposed
as solution to the starting problem. It was chosen due to the fact that it can
use unlabeled images as well as labeled to improve training performance. It was
tested on the dataset of stomatologic X-ray images (orthopantomograms), and it
was shown that while it successfully solves the given problem, it still falls behind
most advanced discriminative models.

• Ključne riječi: duboko ucenje; konvolucijske neuronske mreže; semanticka segmentacija; GAN; cycleGAN; ortopanogrami; medicinske snimke
• Ključne riječi (engleski): deep learning; convolutional neural networks; semantic segmentation; GAN; cycleGAN; orthopantomograms; medical imaging
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:943867
• 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 21:39:19