prikaz prve stranice dokumenta Prepoznavanje tumora mozga na slikama dobivenim magnetskom rezonancijom
Rad nije dostupan
završni rad
Prepoznavanje tumora mozga na slikama dobivenim magnetskom rezonancijom
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:534200
Mihaljević, Ivan
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Mihaljević, I. (2023). Prepoznavanje tumora mozga na slikama dobivenim magnetskom rezonancijom (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:534200

Mihaljević, Ivan. "Prepoznavanje tumora mozga na slikama dobivenim magnetskom rezonancijom." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:534200

Mihaljević, Ivan. "Prepoznavanje tumora mozga na slikama dobivenim magnetskom rezonancijom." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:534200

Mihaljević, I. (2023). 'Prepoznavanje tumora mozga na slikama dobivenim magnetskom rezonancijom', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 07.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:534200

Mihaljević I. Prepoznavanje tumora mozga na slikama dobivenim magnetskom rezonancijom [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 07.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:534200

I. Mihaljević, "Prepoznavanje tumora mozga na slikama dobivenim magnetskom rezonancijom", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:534200

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:534200
Podaci o radu
NaslovPrepoznavanje tumora mozga na slikama dobivenim magnetskom rezonancijom
Naslov (engleski)Using MR images for brain tumor detection
AutorIvan Mihaljević
MentorMirjana Domazet-Lošo (mentor)
Član povjerenstvaMirjana Domazet-Lošo (predsjednik povjerenstva)
Član povjerenstvaMario Brčić (član povjerenstva)
Član povjerenstvaMihael Kovač (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-07-12, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Strojno učenje nalazi sve veću primjenu u medicinskoj dijagnostici, a u ovom radu korišteno je za utvrđivanje postojanja i raspoznavanje vrste tumora mozga. Dobrom raspodjelom podataka kroz procese učenja, provjere i testiranja te pametnim odabirom algoritama izgradnje moguće je napraviti kvalitetan model koji olakšava i ubrzava dijagnozu bolesti. Snimke magnetske rezonance klasificirane su u četiri kategorije: gliom, meningeom, tumor hipofize i snimka bez tumora. Jednostavnim metodama obrade slike pokušalo se doći do boljih rezultata klasifikacije nego na početnom skupu te je u tu svrhu napravljeno više modela koji su trenirani i na početnim i na uređenim podacima. Modeli su napravljeni i trenirani pomoću Pythonove knjižice TensorFlow. Rezultati ukazuju na vrlo dobru sposobnost dijagnostike razvijenih modela s obzirom na njihovu relativnu jednostavnost i potencijal da uz dodatna istraživanja pronađu svoju kliničku primjenu.
Sažetak (engleski)
Machine learning is increasingly used in medical diagnostics. In this thesis it was used to determine the existence and distinguish the type of brain tumor. Good data distribution for learning, validation and testing processes and smart selection of construction algorithms enables creation of a high-quality model that facilitates and accelerates disease diagnosis. Magnetic resonance images are classified into four categories: glioma, meningioma, pituitary tumor, and tumor-free images. Simple methods of image processing were used to achieve better classification results than on the initial set, and for this purpose several models were created and trained on both initial and processed data. The models were built and trained using Python’s TensorFlow library. The results indicate a very good diagnostic capability of the developed models considering their relative simplicity and a potential for their clinical application.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:534200
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 pohrane2023-10-11 09:49:22