prikaz prve stranice dokumenta Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika
  Download
PDF 25.79 MB
master's thesis
Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika
Rijeka: University of Rijeka, Faculty of Engineering, 2022. urn:nbn:hr:190:648000
Frlan, Anton
University of Rijeka
Faculty of Engineering
Department of Computer Engineering

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

Cite this document

Frlan, A. (2022). Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika (Master's thesis). Rijeka: University of Rijeka, Faculty of Engineering. Retrieved from https://urn.nsk.hr/urn:nbn:hr:190:648000

Frlan, Anton. "Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika." Master's thesis, University of Rijeka, Faculty of Engineering, 2022. https://urn.nsk.hr/urn:nbn:hr:190:648000

Frlan, Anton. "Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika." Master's thesis, University of Rijeka, Faculty of Engineering, 2022. https://urn.nsk.hr/urn:nbn:hr:190:648000

Frlan, A. (2022). 'Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika', Master's thesis, University of Rijeka, Faculty of Engineering, accessed 24 December 2024, https://urn.nsk.hr/urn:nbn:hr:190:648000

Frlan A. Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika [Master's thesis]. Rijeka: University of Rijeka, Faculty of Engineering; 2022 [cited 2024 December 24] Available at: https://urn.nsk.hr/urn:nbn:hr:190:648000

A. Frlan, "Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika", Master's thesis, University of Rijeka, Faculty of Engineering, Rijeka, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:190:648000

Metadata
TitleRazvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika
AuthorAnton Frlan
MentorIvan Štajduhar (mentor)
Committee memberGoran Mauša (predsjednik povjerenstva)
Committee memberKristijan Lenac (član povjerenstva)
Committee memberIvan Štajduhar (član povjerenstva)
GranterUniversity of Rijeka
Faculty of Engineering
(Department of Computer Engineering)
Rijeka
Defense date and country2022, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Program Engineering
Abstract
Ovaj diplomski rad predlaže novu metodu za pronalaženje sličnih medicinskih slika pomoću značajki. Napravljen je pregled radova i metoda za pronalaženje sličnih slika pomoću značajki. Predstavljena je korištena medicinska pedijatrijska baza podataka fraktura za koju je razvijen jednostavni sustav za anotiranje fraktura. Osmišljena je metoda koja se sastoji od ekstraktora značajki i modela sličnosti. Isprobana su četiri \acrshort{cnn} autoenkodera za ekstrahiranje značajki. Model sličnosti pretvara ekstrahirane značajke u reprezentativni vektor koji je uspoređivan s drugim vektorima pomoću matematičke metode. Dvije metode treniranja modela sličnosti su istražene i objašnjene. Naposljetku, predstavljeni su rezultati, korištene metrike i svi problemi na koje se naišlo tijekom razvijanja metode.
Abstract (english)
This thesis proposes a new method for finding similar medical images using features. A review of papers and methods for finding similar images using features is presented. A medical pediatric fracture database is used for which a simple fracture annotation system was developed and presented. A method consisting of a feature extractor and a similarity model was devised. Four CNN autoencoders were tested for feature extraction. The similarity model transforms the extracted features into a representative vector that is compared with other vectors using a mathematical method. Two methods for training similarity models are explored and explained. Finally, the results, the metrics used and all the problems encountered during the development of the method are presented.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:190:648000
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 conditionsOpen access
Terms of useLicence Attribution 4.0 International (CC BY 4.0) icon
Created on2022-11-16 20:09:37