Duboko učenje za segmentaciju slojeva u slikama retine

diplomski rad

• Naslov (engleski): Deep Learning for Layer Segmentation in Retinal Images
• Autor: Nikola Biliš
• Mentor: Sven Lončarić (mentor)
• Član povjerenstva: Sven Lončarić (predsjednik povjerenstva)
• Član povjerenstva: Davor Petrinović (član povjerenstva)
• Član povjerenstva: Marko Subašić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2019-07-11, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Posljednjih godina su metode dubokog učenja u mnogim slučajevima ostvarile su-
periorne rezultate za probleme segmentacije slika u odnosu na tradicionalne metode.
Modeli ispitani u ovom radu, CNN-S i U-Net su duboke konvolucijske neuronske
mreže čija je arhitektura dizajnirana za segmentaciju slojeva retine na slikama dobive-
nima optičkom koherentnom tomografijom. CNN-S koristi regresijski model, a U-Net
klasifikacijski. Oblik i debljina slojeva retine su ključni za dijagnozu brojnih bolesti
oka. Slike nad kojima su trenirane obje mreže prikazuju retine pacijenata koji boluju
od senilne makularne degeneracije. Ovaj rad detaljno opisuje pripremu podataka za
treniranje. Zatim je izložena korištena implementacija obje mreže da bi se konačno
usporedili i objasnili validacijski rezultati pomoću standardnih statističkih mjera toč-
nosti.

Sažetak (engleski)

In recent years deep learning based methods have demonstrated superior results in
image segmentation problems over traditional methods. The models investigated in
this study, CNN-S and U-Net are deep convolutional neural networks whose arhitec-
ture is designed for segmentation of retinal layers in images acquired through optical
coherence tomography. CNN-S implements regression model, while U-Net imple-
ments classification model. Shape and thickness of retinal layers are very important
features for diagnosing various eye diseases. Images used for training both networks
show retinal layers taken from patients that suffer from age-related macular degenera-
tion. This thesis describes data preprocessing in detail. Afterwards, implementations
of both networks is presented. Finally, the validation results of two networks are shown
and compared using standard statistical measures.

• Ključne riječi: Duboko učenje; CNN-S; U-Net; OCT; AMD; retina; segmentacija slika
• Ključne riječi (engleski): Deep learning; CNN-S; U-Net; OCT; AMD; retina; image segmentation
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:525501
• Studijski program: Naziv: Informacijska i komunikacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2020-01-07 16:48:13