prikaz prve stranice dokumenta Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju
No public access
master's thesis
Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. urn:nbn:hr:168:150390
Banić, Andrija
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Banić, A. (2024). Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:150390

Banić, Andrija. "Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:150390

Banić, Andrija. "Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2024. https://urn.nsk.hr/urn:nbn:hr:168:150390

Banić, A. (2024). 'Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 08 March 2025, https://urn.nsk.hr/urn:nbn:hr:168:150390

Banić A. Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2024 [cited 2025 March 08] Available at: https://urn.nsk.hr/urn:nbn:hr:168:150390

A. Banić, "Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2024. Available at: https://urn.nsk.hr/urn:nbn:hr:168:150390

Metadata
TitlePredikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju
Title (english)Age prediction from brain magnetic resonance images based on transfer learning
AuthorAndrija Banić
MentorJelena Božek (mentor)
Committee memberJelena Božek (predsjednik povjerenstva)
Committee memberSonja Grgić (član povjerenstva)
Committee memberDario Bojanjac (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2024-09-13, Croatia
Abstract
Predviđanje dobi mozga putem magnetske rezonancije postalo je ključna metoda za procjenu neurološkog zdravlja. U ovom radu korišteno je prijenosno učenje s pretreniranim konvolucijskim neuronskim mrežama, prvotno treniranim na LifespanCN bazi podataka, za predviđanje dobi mozga. Model je testiran na IXI i ADNI bazama podataka, uspješno razlikujući kontrolne skupine od osoba s Alzheimerovom bolešću i blagim kognitivnim oštećenjem. Iako su rezultati pokazali potencijal modela kao biomarkera u kliničkoj dijagnostici, problemi su uočeni kod mlađih ispitanika, posebno na ABIDE datasetu za istraživanje autizma. Ova tehnologija ima obećavajuće primjene u kliničkoj dijagnostici i istraživanjima, no daljnja poboljšanja su nužna za točnije predviđanje u različitim dobno-specifičnim skupinama. Bilo kako bilo, integracija umjetne inteligencije u medicinska istraživanja otvara nove perspektive za dijagnostiku i liječenje složenih bolesti. Ovo dinamično rastuće područje sigurno će donijeti značajan napredak za čovječanstvo, ali za puni potencijal potrebno je nastaviti s dubljim istraživanjem i eksperimentiranjem u možda još neotkrivenim pravcima.
Abstract (english)
Prediction of brain age using magnetic resonance imaging has become a crucial method for assessing neurological health and age-related brain changes. This study employed transfer learning with pretrained convolutional neural networks, initially trained on the LifespanCN dataset, for brain age prediction. The model’s performance was evaluated on the IXI and ADNI datasets, which include healthy controls and individuals with Alzheimer’s disease or mild cognitive impairment. The model successfully differentiated control groups from those with neurological conditions, demonstrating its potential as a biomarker in clinical diagnostics. However, challenges were noted in accurately predicting brain age for younger individuals, as seen in suboptimal results on the ABIDE dataset for autism research. Nevertheless, the integration of artificial intelligence into medical research opens new perspectives for diagnosing and treating complex diseases. This dynamically growing field is sure to bring significant advancements for humanity, but realizing its full potential requires further in-depth research and experimentation, possibly in yet undiscovered directions.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:150390
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2024-10-12 20:01:50