prikaz prve stranice dokumenta Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga
  Download
PDF 10.09 MB
master's thesis
Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga
Pula: University of Pula, 2022. urn:nbn:hr:137:165084
Lukša, Ana
University of Pula
Faculty of Informatics in Pula

Institutional repository: Digital Repository Juraj Dobrila University of Pula

Cite this document

Lukša, A. (2022). Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga (Master's thesis). Pula: University of Pula. Retrieved from https://urn.nsk.hr/urn:nbn:hr:137:165084

Lukša, Ana. "Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga." Master's thesis, University of Pula, 2022. https://urn.nsk.hr/urn:nbn:hr:137:165084

Lukša, Ana. "Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga." Master's thesis, University of Pula, 2022. https://urn.nsk.hr/urn:nbn:hr:137:165084

Lukša, A. (2022). 'Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga', Master's thesis, University of Pula, accessed 24 December 2024, https://urn.nsk.hr/urn:nbn:hr:137:165084

Lukša A. Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga [Master's thesis]. Pula: University of Pula; 2022 [cited 2024 December 24] Available at: https://urn.nsk.hr/urn:nbn:hr:137:165084

A. Lukša, "Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga", Master's thesis, University of Pula, Pula, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:137:165084

Metadata
TitleUspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga
Title (english)Establishing a diagnosis using artificial neural networks on magnetic resonance images of the brain
AuthorAna Lukša
MentorDarko Etinger (mentor)
Committee memberSnježana Babić (predsjednik povjerenstva)
Committee memberMirjana Radetić-Paić (član povjerenstva)
Committee memberDarko Etinger (član povjerenstva)
GranterUniversity of Pula
(Faculty of Informatics in Pula)
Pula
Defense date and country2022-09-15, Croatia
Scientific / art field,
discipline and subdiscipline		SOCIAL SCIENCES
Information and Communication Sciences
Information Systems and Information Science
Abstract
Radiološko snimanje ima veliki značaj u njezi bolesnika za rano otkrivanje, dijagnosticiranje i liječenje bolesti. Kod tumora i drugih bolesti mozga, magnetska rezonanca (MR) je jedna od najčešćih metoda snimanja. Razlikovanje tumora mozga vrlo je izazovan zadatak u velikoj prostornoj i strukturnoj varijabilnosti okolnog područja tumora mozga. Stoga je svrha ovog rada razviti model koji se temelji na umjetnoj inteligenciji, odnosno konvolucijskoj neuronskoj mreži, da prepozna tri najčešća tipa tumora mozga, gliom, meningeomom i tumor hipofize pomoću slika magnetske rezonance te ispitati četiri arhitekture neurosnkih mreža, EfficientNet, ResNet50v2, Inception te Xception. U prvom dijelu rada opisan je princip rada magnetske rezonance te prikaz najčešćih tumora mozga, dok su u drugom obrađeni pojmovi umjetne inteligencije, strojnog i dubokog učenja, umjetne neuronske mreže te njihove primjene u radiologiji. Arhitektura i način rada konvolucijske neuronske mreže objašnjeni su u trećem dijelu. Nakon toga slijedi opis metode razvoja, treniranja i testiranja mreže na skupu podataka sa stranice Kaggle.com te dobiveni rezultati.
Abstract (english)
Radiological imaging is significant in patient care regarding early disease diagnositics and treatment. With brain tumors and other brain diseases magnetic resonance imaging (MR) is the most frequently used method of imaging. Detecting and distinction of tumor structure within spatial and structural variability of brain tissue is challenging. Purpose of this thesis is to develope a model based on artificial intelligence, more precisely convolutional neural networks to distinguish three most common types of brain tumors: glioma, meningioma and pituitary tumor using magnetic resonance imaging and test four architectural types of neuron network: EfficientNet, ResNet50v2, Inception and Xception. The first part of thesis describes how MR device works and classifies brain tumors. The second part defines concept of AI, machine and deep learning, artificial neuron network and their usage in radiology. Architecture and function of convolutional neural networks are described in the third part. In the final part there are methods of develepment, training and testing of network made on the dataset from the Kaggle.com and final results.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:137:165084
Study programmeTitle: Master in Informatics; specializations in: Master in Informatics, Master in Informatics, specialisation: teaching, Master in Informatics, Master in Informatics, specialisation: teaching
Course: Master in Informatics
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra informatike (magistar/magistra informatike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2022-09-27 22:15:13