prikaz prve stranice dokumenta Usporedba modela strojnog učenja za klasifikaciju poremećaja iz spektra autizma korištenjem slika funkcijske magnetske rezonancije mozga
Rad nije dostupan
završni rad
Usporedba modela strojnog učenja za klasifikaciju poremećaja iz spektra autizma korištenjem slika funkcijske magnetske rezonancije mozga
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:867009
Pavelić, Dominik
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Pavelić, D. (2024). Usporedba modela strojnog učenja za klasifikaciju poremećaja iz spektra autizma korištenjem slika funkcijske magnetske rezonancije mozga (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:867009

Pavelić, Dominik. "Usporedba modela strojnog učenja za klasifikaciju poremećaja iz spektra autizma korištenjem slika funkcijske magnetske rezonancije mozga." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:867009

Pavelić, Dominik. "Usporedba modela strojnog učenja za klasifikaciju poremećaja iz spektra autizma korištenjem slika funkcijske magnetske rezonancije mozga." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:867009

Pavelić, D. (2024). 'Usporedba modela strojnog učenja za klasifikaciju poremećaja iz spektra autizma korištenjem slika funkcijske magnetske rezonancije mozga', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 19.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:867009

Pavelić D. Usporedba modela strojnog učenja za klasifikaciju poremećaja iz spektra autizma korištenjem slika funkcijske magnetske rezonancije mozga [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 19.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:867009

D. Pavelić, "Usporedba modela strojnog učenja za klasifikaciju poremećaja iz spektra autizma korištenjem slika funkcijske magnetske rezonancije mozga", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:867009

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:867009
Podaci o radu
NaslovUsporedba modela strojnog učenja za klasifikaciju poremećaja iz spektra autizma korištenjem slika funkcijske magnetske rezonancije mozga
Naslov (engleski)Comparison of machine learning models for the autism spectrum disorder classification using brain functional magnetic resonance images
AutorDominik Pavelić
MentorJelena Božek (mentor)
Član povjerenstvaJelena Božek (predsjednik povjerenstva)
Član povjerenstvaSonja Grgić (član povjerenstva)
Član povjerenstvaIvana Žeger (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-05, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Poremećaji iz spektra autizma jedni su od najzastupljenijih neurorazvojnih poremećaja, tradicionalne metode dijagnoze često su spore i subjektivne. U ovome radu uspoređene su različite arhitekture modela dubokog učenja za klasifikaciju poremećaja iz spektra autizma korištenjem slika funkcijske magnetske rezonancije (fMRI). Analiza je provedena na 871 uzorku iz ABIDE (Autism Brain Imaging Data Exchange) skupa podataka. Za treniranje modela korištene su matrice funkcijske povezanosti dobivene iz vremenskih serija ekstrahiranih iz 4D fMRI slika. Za model s tri skrivena sloj postignute su najveća točnost od 70,40% i preciznost od 71,55%, a najveći odziv od 77,53% i mjera F1 od 67,16% postignuti su za model s četiri skrivena sloja.
Sažetak (engleski)
Autism spectrum disorder (ASD) is among the most prevalent neurodevelopmental disorders, and traditional diagnostic methods are often slow and subjective. In this study various deep learning model architectures were compared for classifying ASD using functional magnetic resonance imaging (fMRI) images. The analysis was conducted on 871 samples from the ABIDE (Autism Brain Imaging Data Exchange) dataset. Functional connectivity matrices derived from time series extracted from 4D fMRI images were used for training the models. The highest accuracy of 70,40% and precision of 71,55% were achieved by a model with three hidden layers, while the highest recall of 77,53% and F1-score of 67,16% were achieved by a model with four hidden layers.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:867009
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 pohrane2024-10-12 21:46:37