prikaz prve stranice dokumenta Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama
Access restricted to students and staff of home institution
master's thesis
Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama
Rijeka: University of Rijeka, Faculty of Engineering, 2019. urn:nbn:hr:190:021891
Ilić, Dino
University of Rijeka
Faculty of Engineering
Department of Computer Engineering
Section of Intelligent Computing Systems

Institutional repository: Repository of the University of Rijeka, Faculty of Engineering

Cite this document

Ilić, D. (2019). Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama (Master's thesis). Rijeka: University of Rijeka, Faculty of Engineering. Retrieved from https://urn.nsk.hr/urn:nbn:hr:190:021891

Ilić, Dino. "Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama." Master's thesis, University of Rijeka, Faculty of Engineering, 2019. https://urn.nsk.hr/urn:nbn:hr:190:021891

Ilić, Dino. "Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama." Master's thesis, University of Rijeka, Faculty of Engineering, 2019. https://urn.nsk.hr/urn:nbn:hr:190:021891

Ilić, D. (2019). 'Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama', Master's thesis, University of Rijeka, Faculty of Engineering, accessed 23 April 2025, https://urn.nsk.hr/urn:nbn:hr:190:021891

Ilić D. Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama [Master's thesis]. Rijeka: University of Rijeka, Faculty of Engineering; 2019 [cited 2025 April 23] Available at: https://urn.nsk.hr/urn:nbn:hr:190:021891

D. Ilić, "Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama", Master's thesis, University of Rijeka, Faculty of Engineering, Rijeka, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:190:021891

Metadata
TitleGrupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama
Title (english)Medical Image Repository Clustering Based on DICOM Tags
AuthorDino Ilić
MentorIvan Štajduhar (mentor)
Committee memberKristijan Lenac (predsjednik povjerenstva)
Committee memberIvo Ipšić (član povjerenstva)
Committee memberGoran Mauša (član povjerenstva)
GranterUniversity of Rijeka
Faculty of Engineering
(Department of Computer Engineering)
(Section of Intelligent Computing Systems)
Rijeka
Defense date and country2019-07-15, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
PACS repozitoriji, koje cesto odrzavaju bolnički centri, sadrže veliki broj podataka prikupljenih kroz razne medicinske procedure kao što su CT i MR. Medicinske procedure se sastoje od slika, kao i metaoznaka povezanih uz tu sliku, najčešće u DICOM datotekama. Ovaj rad istražuje mogućnost iskorištavanja DICOM metaoznaka za automatsku anotaciju PACS baza podataka koristeći metode grupiranja. Motivacija za ovo istraživanje je evaluacija mogućnosti grupiranja semantički sličnih medicinskih slika. Podaci su prikupljeni iz dijela RadiologyNet baze podataka, koja je nastala 2017. godine. Zbog velikog broja podataka, ovo istraživanje je u obzir uzelo mali podskup te baze podataka (5%; 600000 slika). Nakon analize i pripremne obrade podataka, medicinske slike su grupiranje koristeći algoritam K-sredina s različitim brojem grupa. Prikazana je i detaljnija vizualizacija za tri različita modela (K = 25; 50; 200), a ona je uzela u obzir homogenost medicinskih slika unutar grupe kao i heterogenost između grupa. Rezultati pokazuju kako su DICOM metaoznake informativne i mogu se koristiti za grupiranje medicinskih slika.
Abstract (english)
PACS repositories, owned and maintained by numerous clinical centres, contain vast amounts of recorded data from various medical procedures, namely CT and MR. Medical procedures are comprised of images as well as metadata related to that image,often using DICOM format. This thesis explores the possibility of utilising DICOM tags for automatic annotation of PACS databases, using ordinary clustering. The motivation behind this research is to evaluate the possibility of grouping semantically similar images. Data has been collected as a part of RadiologyNet database, which was built in 2017. Because of the overwhelming size of the dataset, only a small subset was used (5%; 600000 images). Following data analysis and preprocessing, K-means clustering was utilised for varying number of clusters. A detailed visualisation was done for three diferent models (K = 25; 50; 200) with regards to semantic homogeneity within clusters, and the heterogeneity between clusters. The results suggest that DICOM tags are informative and can be used for semantic clustering of medical images.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:190:021891
Study programmeTitle: Computer Engineering
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 conditionsAccess restricted to students and staff of home institution
Terms of useLicence In copyright icon
Created on2019-07-16 13:43:28