prikaz prve stranice dokumenta Primjena konvolucijskih neuronskih mreža u analizi rendgenskih slika prsnog koša
Rad nije dostupan
diplomski rad
Primjena konvolucijskih neuronskih mreža u analizi rendgenskih slika prsnog koša
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. urn:nbn:hr:168:071616
Razum, Domagoj
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Razum, D. (2021). Primjena konvolucijskih neuronskih mreža u analizi rendgenskih slika prsnog koša (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:071616

Razum, Domagoj. "Primjena konvolucijskih neuronskih mreža u analizi rendgenskih slika prsnog koša." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:071616

Razum, Domagoj. "Primjena konvolucijskih neuronskih mreža u analizi rendgenskih slika prsnog koša." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2021. https://urn.nsk.hr/urn:nbn:hr:168:071616

Razum, D. (2021). 'Primjena konvolucijskih neuronskih mreža u analizi rendgenskih slika prsnog koša', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 28.08.2024., https://urn.nsk.hr/urn:nbn:hr:168:071616

Razum D. Primjena konvolucijskih neuronskih mreža u analizi rendgenskih slika prsnog koša [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2021 [pristupljeno 28.08.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:071616

D. Razum, "Primjena konvolucijskih neuronskih mreža u analizi rendgenskih slika prsnog koša", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:071616

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:071616
Podaci o radu
NaslovPrimjena konvolucijskih neuronskih mreža u analizi rendgenskih slika prsnog koša
Naslov (engleski)Application of Convolutional Neural Networks in the Analysis of Chest X-ray Images
AutorDomagoj Razum
MentorIgor Lacković (mentor)
Član povjerenstvaIgor Lacković (predsjednik povjerenstva)
Član povjerenstvaRatko Magjarević (član povjerenstva)
Član povjerenstvaDinko Oletić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2021-09-16, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Rad se fokusira na automatsku detekciju patoloških stanja prsnog koša iz rendgenskih slika primjenom metoda dubokog učenja. Korištene su konvolucijske neuronske mreže i tehnika prijenosnog učenja u svrhu klasifikacije ChestX-Ray14 skupa podataka. Nadalje, detaljno je opisan skup podataka s 14 klasa bolesti koji je javno dostupan na službenim stranicama National Institutes of Health. Razložen je postupak gradnje arhitekture modela, učitavanja i obrade podataka, nakon čega slijedi pregled procesa treniranja i testiranja modela. Korišteni su programski jezik Python zajedno s Tensorflow bibliotekom. Arhitektura klasifikacijskog modela koristi metode prijenosnog učenja s modelom EfficientNet-B0. Zbog memorijskih zahtjeva treniranje je izvršeno na AWS servisu SageMaker. Kao metrike rezultata korišteni su ROC i AUROC. Pokriveni su i problemi koji se javljaju prilikom rada na kompleksnim i resursno zahtjevnim modelima, kao i problemi prilikom rada s nebalansiranim skupom podataka. Prosječne dobivene vrijednosti AUROC svih patoloških stanja su 0,7766 i 0,7711 za različite vrijednosti epoha. Na kraju su opisana potencijalna poboljšanja programskog rješenja u smislu odabira parametara za daljnja istraživanja.
Sažetak (engleski)
The focus of the work is on the automatic detection of chest pathologies from x-ray images by applying deep learning methods. Convolutional neural networks and transfer learning technique have been used for the purpose of the classifying ChestX-ray14 dataset. Furthermore, dataset with 14 disease classes which is publicly available on the National Institutes of Health site has been described in details. The procedure of building a model architecture, data loading and processing is explained, after which comes an overview of model training and testing process. Programming language Python alongside Tensorflow library have been used. Classification model architecture uses transfer learning method with EfficientNet-B0 model. Due to memory requirements, training was performed on AWS service SageMaker. ROC and AUROC have been used as metrics. The problems that arise when working on complex and resource intensive models have been addressed, as well as problems when working with unbalanced dataset. The average obtained values of AUROC of all pathological conditions were 0.7766 and 0.7711 for different epochs. Finally, potential improvements of the software solution are described.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:071616
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 13:41:38