prikaz prve stranice dokumenta Semantička segmentacija novotvorina u slikama magnetske rezonancije
Rad nije dostupan
završni rad
Semantička segmentacija novotvorina u slikama magnetske rezonancije
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:995339
Rabuzin, Lovro
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Rabuzin, L. (2021). Semantička segmentacija novotvorina u slikama magnetske rezonancije (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:995339

Rabuzin, Lovro. "Semantička segmentacija novotvorina u slikama magnetske rezonancije." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:995339

Rabuzin, Lovro. "Semantička segmentacija novotvorina u slikama magnetske rezonancije." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:995339

Rabuzin, L. (2021). 'Semantička segmentacija novotvorina u slikama magnetske rezonancije', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 27.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:995339

Rabuzin L. Semantička segmentacija novotvorina u slikama magnetske rezonancije [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 27.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:995339

L. Rabuzin, "Semantička segmentacija novotvorina u slikama magnetske rezonancije", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:995339

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:995339
Podaci o radu
NaslovSemantička segmentacija novotvorina u slikama magnetske rezonancije
Naslov (engleski)Semantic segmentation of neoplasms in magnetic resonance images
AutorLovro Rabuzin
MentorSiniša Šegvić (mentor)
Član povjerenstvaSiniša Šegvić (predsjednik povjerenstva)
Član povjerenstvaMatej Grcić (član povjerenstva)
Član povjerenstvaIvan Grubišić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-07-08, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom radu primijenjene su metode dubokog učenja u svrhu semantičke segmentacije glioma iz snimki magnetske rezonancije mozga. Napravljen je kratki pregled osnovnih koncepata dubokog učenja i predstavljene su tri arhitekture modela koje sam koristio za segmentaciju: U-Net, SwiftNet i DenseNet121 s ljestvičastim naduzorkovanjem. Modeli su korišteni za segmentaciju tumora u kriškama snimki mozga. Uz to, korištena je i 3D adaptacija modela ResNet18 za segmentaciju u volumenima mozga. Napravljena je usporedba dobivenih rezultata i rezultata iz literature.
Sažetak (engleski)
This paper applies deep learning to the problem of semantic segmentation of glioma in MR brain scans. This paper offers a short overview of basic concepts of deep learning and presents three model architectures that were used: U-Net, SwiftNet and DenseNet121 with ladder-style upsampling. The models were used for semantic segmentation of glioma in individual slices of the brain scan volumes. A 3D adaptation of ResNet18 was used for segmentation in entire brain scan volumes. The paper also compares results obtained using the aforementioned models with results from other papers on the same dataset.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:995339
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-01-14 21:30:10