Duboko učenje za klasifikaciju stanica srčanog tkiva

diplomski rad

• Naslov (engleski): Deep Learning for Cardiac Tissue Cell Classification
• Autor: Luka Justić
• Mentor: Sven Lončarić (mentor)
• Član povjerenstva: Sven Lončarić (predsjednik povjerenstva)
• Član povjerenstva: Marko Subašić (član povjerenstva)
• Član povjerenstva: Tomislav Petković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-08, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovome radu opisan je postupak klasifikacije srčanog tkiva uporabom dubokog
učenja. Opisani su podatci s kojima se radilo te način obrade podataka. Kako bi se povećao
skup podataka, korišteni su postupci augmentacije podataka te su i oni detaljno opisani u radu.
Za klasifikaciju srčanog tkiva koristila se konvolucijska neuronska mreža prilagođena iz
VGG16 mreže te je proveden prijenos učenja. Opisan je postupak treniranja i prikazani su
rezultati mreže kroz niz metrika. Dan je primjer idejnog sustava za klasifikaciju za kojeg je
također provedeno ispitivanje. Grad-CAM algoritam je korišten za vizualizaciju rada mreže i
primjeri vizualizacija su prikazani u radu. Na posljetku je objašnjen postupak segmentacije
slika tkiva koristeći Grad-CAM vizualizaciju kao temelj algoritma.

Sažetak (engleski)

This paper describes a method of classifying cardiac tissue using deep learning. It
describes the data that was used and how the data was processed. It also describes data
augmentations that were used to increase the amount of available data. Convolutional neural
network based on VGG16 architecture is used to classify cardiac tissue and transfer learning is
applied. The training process is described as well as the results of the testing process using
numerous metrics. It gives an example of a classification system that was also tested. GradCAM algorithm is used to visualize the workings of the neural network and the examples of
visualizations are displayed. Finally, it describes a tissue segmentation process using GradCAM visualizations as the basis of the method.

• Ključne riječi: klasifikacija; srčano tkivo; duboko učenje; konvolucijske neuronske mreže; VGG16; interpretabilnost; vizualizacija; Grad-CAM; segmentacija
• Ključne riječi (engleski): classifications; cardiac tissue; deep learning; convolutional neural network; VGG16; interpretability; visualization; Grad-CAM; segmentation
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:529428
• 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 12:37:05