prikaz prve stranice dokumenta Klasifikacija histoloških snimaka crijeva predtreniranim neuronskim mrežama
Rad nije dostupan
završni rad
Klasifikacija histoloških snimaka crijeva predtreniranim neuronskim mrežama
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. urn:nbn:hr:168:545943
Poljak, Dominik
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Poljak, D. (2024). Klasifikacija histoloških snimaka crijeva predtreniranim neuronskim mrežama (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:545943

Poljak, Dominik. "Klasifikacija histoloških snimaka crijeva predtreniranim neuronskim mrežama." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:545943

Poljak, Dominik. "Klasifikacija histoloških snimaka crijeva predtreniranim neuronskim mrežama." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2024. https://urn.nsk.hr/urn:nbn:hr:168:545943

Poljak, D. (2024). 'Klasifikacija histoloških snimaka crijeva predtreniranim neuronskim mrežama', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 01.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:545943

Poljak D. Klasifikacija histoloških snimaka crijeva predtreniranim neuronskim mrežama [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2024 [pristupljeno 01.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:545943

D. Poljak, "Klasifikacija histoloških snimaka crijeva predtreniranim neuronskim mrežama", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:545943

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:545943
Podaci o radu
NaslovKlasifikacija histoloških snimaka crijeva predtreniranim neuronskim mrežama
Naslov (engleski)Classification of histological images of the intestine using pretrained neural network
AutorDominik Poljak
MentorMarko Subašić (mentor)
Član povjerenstvaMarko Subašić (predsjednik povjerenstva)
Član povjerenstvaDonik Vršnak (član povjerenstva)
Član povjerenstvaIvana Matovinović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2024-07-01, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom radu istražujemo primjenu konvolucijskih neuronskih mreža i prijenosnog učenja na zadatku klasifikacije Crohnove bolesti i ulceroznog kolitisa na temelju histoloških snimaka. Fokus je na treniranju predtrenirane mreže EfficientNet, te obradi i prilagodbi ulaznih podataka i njihovoj podjeli na skupove za treniranje, validaciju i testiranje. Rad daje pregled i objašnjenje neuronskih mreža i teorije prijenosnog učenja. Prolazimo kroz postupke stvaranja zakrpa, multi-Otsu automatske segmentacije, otkrivanja bitnih dijelova slike, čišćenja nevažećih podataka i normalizacije. Prikazani su ključni hiperparametri koji utječu na performanse modela te njihov odabir za ovu vrstu problema. Rezultati analize prikazuju učinkovitost različitih modela s različitim konfiguracijama u razlikovanju između dvije navedene bolesti.
Sažetak (engleski)
In this paper, we investigate the application of convolutional neural networks and transfer learning to the task of classifying Crohn's disease and ulcerative colitis based on histological images. The focus is on training a pretrained EfficientNet model, as well as processing and adapting the input data and dividing it into training, validation, and testing sets. The paper provides an overview and explanation of neural networks and the theory of transfer learning. We go through the procedures of patch creation, multi-Otsu automatic segmentation, identification of important image regions, cleaning invalid data, and normalization. Key hyperparameters that affect model performance and their selection for this type of problem are presented. The results of the analysis show the effectiveness of different models with various configurations in distinguishing between the two mentioned diseases.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:545943
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 21:53:44