prikaz prve stranice dokumenta Usporedba različitih modela strojnog učenja za klasifikaciju tkiva rana
  Preuzmi
PDF 1.73 MB
diplomski rad
Usporedba različitih modela strojnog učenja za klasifikaciju tkiva rana
Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. urn:nbn:hr:200:799137
Antunović, Antonio
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za računalno inženjerstvo i automatiku
Katedra za automatiku i robotiku

Institucijski repozitorij: Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek

Citirajte ovaj rad

Antunović, A. (2024). Usporedba različitih modela strojnog učenja za klasifikaciju tkiva rana (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:799137

Antunović, Antonio. "Usporedba različitih modela strojnog učenja za klasifikaciju tkiva rana." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:799137

Antunović, Antonio. "Usporedba različitih modela strojnog učenja za klasifikaciju tkiva rana." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:799137

Antunović, A. (2024). 'Usporedba različitih modela strojnog učenja za klasifikaciju tkiva rana', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 15.11.2024., https://urn.nsk.hr/urn:nbn:hr:200:799137

Antunović A. Usporedba različitih modela strojnog učenja za klasifikaciju tkiva rana [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2024 [pristupljeno 15.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:799137

A. Antunović, "Usporedba različitih modela strojnog učenja za klasifikaciju tkiva rana", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:799137

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:799137
Podaci o radu
NaslovUsporedba različitih modela strojnog učenja za klasifikaciju tkiva rana
Naslov (engleski)Comparison of machine learning models for wound tissue classification
AutorAntonio Antunović
MentorEmmanuel Karlo Nyarko (mentor)
MentorDamir Filko (sumentor)
Član povjerenstvaEmmanuel Karlo Nyarko (predsjednik povjerenstva)
Član povjerenstvaPetra Pejić (član povjerenstva)
Član povjerenstvaRobert Cupec (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za računalno inženjerstvo i automatiku)
(Katedra za automatiku i robotiku)
Osijek
Datum i država obrane2024-07-10, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Proces zacjeljivanja kroničnih rana često je iz nekog razloga usporen, te one zahtijevaju poseban medicinski tretman. Shodno tome, praćenje procesa zacjeljivanja predstavlja značajan korak pri određivanju optimalne terapije za tretiranje kroničnih rana. Napredak u području strojnog učenja i računalnog vida ostvario je mogućnosti razvoja metoda za analizu rana koje bi mogle točno odrediti vrste prisutnih tkiva i pratiti zacjeljivanje, čime se ovaj rad bavi. Ovo istraživanje bilo je usmjereno na razvoj i evaluaciju modela strojnog učenja za zadatak semantičke segmentacije tkiva kroničnih rana. Odabrano je osam različitih arhitektura neuronskih mreža, pri čemu je svaka uparena s jednom od četiri korištene funkcije gubitka. Proces učenja proveden je za svaku arhitekturu, nakon čega su modeli evaluirani na testnom skupu podataka. Nakon evaluacije provedena je statistička analiza rezultata kako bi se utvrdilo postoje li i statistički značajne razlike među modelima.
Sažetak (engleski)
The healing process of chronic wounds is often disrupted for a variety of reasons, and they require special medical treatment. Therefore, monitoring the healing process is a significant step in recognizing and addressing potential problems and creating an appropriate treatment plan. Improvement of machine learning and computer vision enabled the development of methods for wound analysis that would be able to precisely detect types of tissues within the wound and monitor the healing process, which is what this paper deals with. This research focused on the development and evaluation of machine learning models for the semantic segmentation of chronic wound tissue. Eight different neural network architectures were selected, each paired with one of the four loss functions. A training process was carried out for each architecture and then evaluated on a test set. Following that, statistical analysis was conducted to determine whether there were significant differences between the models.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:799137
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni/a magistar/magistra inženjer/inženjerka računarstva (univ. mag. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-07-16 11:49:00