prikaz prve stranice dokumenta Duboko učenje za segmentaciju slojeva u slikama retine
Rad nije dostupan
diplomski rad
Duboko učenje za segmentaciju slojeva u slikama retine
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. urn:nbn:hr:168:525501
Biliš, Nikola
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Biliš, N. (2019). Duboko učenje za segmentaciju slojeva u slikama retine (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:525501

Biliš, Nikola. "Duboko učenje za segmentaciju slojeva u slikama retine." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:525501

Biliš, Nikola. "Duboko učenje za segmentaciju slojeva u slikama retine." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:525501

Biliš, N. (2019). 'Duboko učenje za segmentaciju slojeva u slikama retine', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 04.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:525501

Biliš N. Duboko učenje za segmentaciju slojeva u slikama retine [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2019 [pristupljeno 04.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:525501

N. Biliš, "Duboko učenje za segmentaciju slojeva u slikama retine", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:525501

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:525501
Podaci o radu
NaslovDuboko učenje za segmentaciju slojeva u slikama retine
Naslov (engleski)Deep Learning for Layer Segmentation in Retinal Images
AutorNikola Biliš
MentorSven Lončarić (mentor)
Član povjerenstvaSven Lončarić (predsjednik povjerenstva)
Član povjerenstvaDavor Petrinović (član povjerenstva)
Član povjerenstvaMarko Subašić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2019-07-11, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Posljednjih godina su metode dubokog učenja u mnogim slučajevima ostvarile su- periorne rezultate za probleme segmentacije slika u odnosu na tradicionalne metode. Modeli ispitani u ovom radu, CNN-S i U-Net su duboke konvolucijske neuronske mreže čija je arhitektura dizajnirana za segmentaciju slojeva retine na slikama dobive- nima optičkom koherentnom tomografijom. CNN-S koristi regresijski model, a U-Net klasifikacijski. Oblik i debljina slojeva retine su ključni za dijagnozu brojnih bolesti oka. Slike nad kojima su trenirane obje mreže prikazuju retine pacijenata koji boluju od senilne makularne degeneracije. Ovaj rad detaljno opisuje pripremu podataka za treniranje. Zatim je izložena korištena implementacija obje mreže da bi se konačno usporedili i objasnili validacijski rezultati pomoću standardnih statističkih mjera toč- nosti.
Sažetak (engleski)
In recent years deep learning based methods have demonstrated superior results in image segmentation problems over traditional methods. The models investigated in this study, CNN-S and U-Net are deep convolutional neural networks whose arhitec- ture is designed for segmentation of retinal layers in images acquired through optical coherence tomography. CNN-S implements regression model, while U-Net imple- ments classification model. Shape and thickness of retinal layers are very important features for diagnosing various eye diseases. Images used for training both networks show retinal layers taken from patients that suffer from age-related macular degenera- tion. This thesis describes data preprocessing in detail. Afterwards, implementations of both networks is presented. Finally, the validation results of two networks are shown and compared using standard statistical measures.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:525501
Studijski programNaziv: Informacijska i komunikacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2020-01-07 16:48:13