prikaz prve stranice dokumenta Duboko učenje za segmentaciju srca
Rad nije dostupan
diplomski rad
Duboko učenje za segmentaciju srca
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. urn:nbn:hr:168:540585
Meštrović, Marko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Meštrović, M. (2020). Duboko učenje za segmentaciju srca (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:540585

Meštrović, Marko. "Duboko učenje za segmentaciju srca." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:540585

Meštrović, Marko. "Duboko učenje za segmentaciju srca." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2020. https://urn.nsk.hr/urn:nbn:hr:168:540585

Meštrović, M. (2020). 'Duboko učenje za segmentaciju srca', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 29.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:540585

Meštrović M. Duboko učenje za segmentaciju srca [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2020 [pristupljeno 29.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:540585

M. Meštrović, "Duboko učenje za segmentaciju srca", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:540585

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:540585
Podaci o radu
NaslovDuboko učenje za segmentaciju srca
Naslov (engleski)Deep Learning for Whole Heart Segmentation
AutorMarko Meštrović
MentorSven Lončarić (mentor)
Član povjerenstvaSven Lončarić (predsjednik povjerenstva)
Član povjerenstvaMarko Subašić (član povjerenstva)
Član povjerenstvaTomislav Petković (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2020-07-08, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovome radu uspoređivane su dvije različite arhitekture neuronskih mreža za segmentaciju biomedicinskih slika. Slike iz korištenog skupa podataka su dobivene pomoću X-PCI metode snimanja srca štakora. Arhitekture mreža koje se koriste su U-net i Tiramisu. Segmentacija slike je proces dijeljenja digitalne slike na više smislenih, logično izabranih skupova piksela ili segmenata. Obje korištene mreže su konvolucijske mreže. Prema dobivenim rezultatima zaključuje se da točnost segmentacije U-net mreže manje ovisi o dimenzijama slika od Tiramisu. Tiramisu mreža ima puno dulje trajanje treniranja, te na nju puno više utječu dimenzije slika. Implementirana rješenja tog problema su prepolavljanje dimenzija slike i dijeljenje slike na četiri slike jednakih dimenzija. Mreže su uspoređivane pomoću Dice i IoU. Najbolji dobiveni rezultati su od Tiramisu mreže trenirane na skupu podataka slika podijeljenih na četiri jednakih dimenzija (Dice = 0.9540, IoU = 0.9112).
Sažetak (engleski)
This work compares the effectiveness of two different neural network architectures for biomedical image segmentation. Images from the data set used were obtained using the X-PCI method on the heart of a rat. The architectures used in this paper are U-net and Tiramisu. Image segmentation is the process of dividing a digital image into multiple meaningful, logically chosen sets of pixels or segments. Both networks used are convolutional networks. According to the obtained results, it is concluded that the accuracy of U-net network segmentation depends less on the image dimensions than Tiramisu. The Tiramisu network has a much longer training duration, and it is much more affected by the dimensions of the images. Implemented solutions to this problem are halving the image dimensions and dividing the image into four images of equal dimensions. The best results were obtained from Tiramisu networks trained on a set of images divided into four equal dimensions (Dice = 0.9540, IoU = 0.9112).
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:540585
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 pohrane2023-01-13 10:25:35