Prepoznavanje malignih tumora u mikroskopskim slikama tumorskog tkiva

završni rad

• Naslov (engleski): Malignant tumor detection in microscopic images of tumor tissue
• Autor: Lucija Aleksić
• Mentor: Mirjana Domazet-Lošo (mentor)
• Član povjerenstva: Mirjana Domazet-Lošo (predsjednik povjerenstva)
• Član povjerenstva: Ivica Botički (član povjerenstva)
• Član povjerenstva: Tomislav Jagušt (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-15, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Strojno učenje se može koristiti u svrhu brže opće dijagnostike u medicini. U ovom radu strojno učenje korišteno je u analizi slika tumora dojke. Primjenom odgovarajućih algoritama na skup podataka moguće je stvoriti model koji će moći brže i preciznije dati dijagnozu. Slike tkiva dobivenih pod mikroskopom klasificirane su u odgovarajuće klase malignih ili benignih tumora. Za potrebe rada stvorena su dva modela različite složenosti, kao i hibridni model koji je kombinacija složenijeg s referentnim modelom. Modeli su stvoreni i trenirani uz pomoć Pythonove knjižnice TensorFlow. Dobiveni rezultati ukazuju na potencijal složenijeg modela i odlične rezultate hibridnog modela, iako su svi modeli dobar pokušaj rješenja zadanog problema.

Sažetak (engleski)

Machine learning can be used for the purpose of faster general diagnostics in medicine. In this paper, machine learning was used in the analysis of breast tumor images. By applying appropriate algorithms to a set of data, it is possible to create a model that will be able to make a diagnosis faster and more accurately. Microscopic images of tissues obtained under the microscope are classified into appropriate classes of malignant or benign tumors. For the needs of the work, two models of different complexity were created, as well as a hybrid model that is a combination of the more complex model with the referenced model. Models were created and trained with the help of Python's TensorFlow library. The obtained results indicate the potential of a more complex model and the excellent results of the hybrid model, although all models can be considered as a good attempt to solve a given problem.

• Ključne riječi: strojno učenje; konvolucijske neuronske mreže; umjetne neuronske mreže; Keras; TensorFlow; rak dojke; klasifikacija; analiza slika
• Ključne riječi (engleski): machine learning; convolutional neural networks; artificial neural networks; Keras; TensorFlow; breast cancer; classification; image analysis
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:051996
• 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: 2023-01-15 09:39:12