prikaz prve stranice dokumenta Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju
Rad nije dostupan
diplomski rad
Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:150390
Banić, Andrija
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Banić, A. (2024). Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:150390

Banić, Andrija. "Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:150390

Banić, Andrija. "Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:150390

Banić, A. (2024). 'Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:150390

Banić A. Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:150390

A. Banić, "Predikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:150390

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:150390
Podaci o radu
NaslovPredikcija dobi iz slika magnetske rezonancije mozga temeljena na prijenosnom učenju
Naslov (engleski)Age prediction from brain magnetic resonance images based on transfer learning
AutorAndrija Banić
MentorJelena Božek (mentor)
Član povjerenstvaJelena Božek (predsjednik povjerenstva)
Član povjerenstvaSonja Grgić (član povjerenstva)
Član povjerenstvaDario Bojanjac (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-09-13, Hrvatska
Sažetak
Predviđanje dobi mozga putem magnetske rezonancije postalo je ključna metoda za procjenu neurološkog zdravlja. U ovom radu korišteno je prijenosno učenje s pretreniranim konvolucijskim neuronskim mrežama, prvotno treniranim na LifespanCN bazi podataka, za predviđanje dobi mozga. Model je testiran na IXI i ADNI bazama podataka, uspješno razlikujući kontrolne skupine od osoba s Alzheimerovom bolešću i blagim kognitivnim oštećenjem. Iako su rezultati pokazali potencijal modela kao biomarkera u kliničkoj dijagnostici, problemi su uočeni kod mlađih ispitanika, posebno na ABIDE datasetu za istraživanje autizma. Ova tehnologija ima obećavajuće primjene u kliničkoj dijagnostici i istraživanjima, no daljnja poboljšanja su nužna za točnije predviđanje u različitim dobno-specifičnim skupinama. Bilo kako bilo, integracija umjetne inteligencije u medicinska istraživanja otvara nove perspektive za dijagnostiku i liječenje složenih bolesti. Ovo dinamično rastuće područje sigurno će donijeti značajan napredak za čovječanstvo, ali za puni potencijal potrebno je nastaviti s dubljim istraživanjem i eksperimentiranjem u možda još neotkrivenim pravcima.
Sažetak (engleski)
Prediction of brain age using magnetic resonance imaging has become a crucial method for assessing neurological health and age-related brain changes. This study employed transfer learning with pretrained convolutional neural networks, initially trained on the LifespanCN dataset, for brain age prediction. The model’s performance was evaluated on the IXI and ADNI datasets, which include healthy controls and individuals with Alzheimer’s disease or mild cognitive impairment. The model successfully differentiated control groups from those with neurological conditions, demonstrating its potential as a biomarker in clinical diagnostics. However, challenges were noted in accurately predicting brain age for younger individuals, as seen in suboptimal results on the ABIDE dataset for autism research. Nevertheless, the integration of artificial intelligence into medical research opens new perspectives for diagnosing and treating complex diseases. This dynamically growing field is sure to bring significant advancements for humanity, but realizing its full potential requires further in-depth research and experimentation, possibly in yet undiscovered directions.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:150390
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2024-10-12 20:01:50