prikaz prve stranice dokumenta Utjecaj pretprocesnih koraka na performanse modela dubokog učenja u obradi medicinskih slika
Pristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
završni rad
Utjecaj pretprocesnih koraka na performanse modela dubokog učenja u obradi medicinskih slika
Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2022. urn:nbn:hr:179:604022
Tomić, Klara Bruna
Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
Zavod za elektroniku i računarstvo

Institucijski repozitorij: Repozitorij Fakulteta elektrotehnike, strojarstva i brodogradnje

Citirajte ovaj rad

Tomić, K. B. (2022). Utjecaj pretprocesnih koraka na performanse modela dubokog učenja u obradi medicinskih slika (Završni rad). Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:179:604022

Tomić, Klara Bruna. "Utjecaj pretprocesnih koraka na performanse modela dubokog učenja u obradi medicinskih slika." Završni rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2022. https://urn.nsk.hr/urn:nbn:hr:179:604022

Tomić, Klara Bruna. "Utjecaj pretprocesnih koraka na performanse modela dubokog učenja u obradi medicinskih slika." Završni rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2022. https://urn.nsk.hr/urn:nbn:hr:179:604022

Tomić, K. B. (2022). 'Utjecaj pretprocesnih koraka na performanse modela dubokog učenja u obradi medicinskih slika', Završni rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, citirano: 25.07.2024., https://urn.nsk.hr/urn:nbn:hr:179:604022

Tomić KB. Utjecaj pretprocesnih koraka na performanse modela dubokog učenja u obradi medicinskih slika [Završni rad]. Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje; 2022 [pristupljeno 25.07.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:604022

K. B. Tomić, "Utjecaj pretprocesnih koraka na performanse modela dubokog učenja u obradi medicinskih slika", Završni rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, Split, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:604022

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:179:604022
Podaci o radu
NaslovUtjecaj pretprocesnih koraka na performanse modela dubokog učenja u obradi medicinskih slika
Naslov (engleski)Influence of data preprocessing steps on the performance of deep learning models in medical image processing
AutorKlara Bruna Tomić
MentorLinda Vicković https://orcid.org/0000-0002-9820-7960 (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
(Zavod za elektroniku i računarstvo )
Split
Datum i država obrane2022-07-08, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom je završnom radu metodologija umjetne inteligencije opisana kroz proces dubokog učenja. Predstavljene su umjetne neuronske mreže koje omogućavaju strojevima da u procesu dubokog učenja steknu inteligenciju nalik ljudskoj. Poseban je naglasak stavljen na konvolucijske neuronske mreže koje su svoju popularnost stekle zahvaljujući odličnim performansama koje pokazuju prilikom obrade slika. U sklopu završnog rada opisani su izazovi u radu s medicinskim slikama te je istraženo utječe li korištenje pretprocesnih koraka u njihovoj obradi na performanse modela dubokog učenja. Model dubokog učenja implementiran je koristeći Tensorflow Object Detection API. Za potrebe učenja modela prikupljene su MRI slike koljena na kojima je označen centralni dio koljena koji uključuje područje zone rasta na femuru i tibiji kojeg bi model trebao naučiti detektirati. Provelo se treniranje, evaluacija i testiranje različitih modela, a uspoređivanjem njihovih performansi stečen je uvid kako pretprocesni koraci i broj slika na kojima model uči utječu na detekciju objekta na medicinskim slikama koljena.
Sažetak (engleski)
In this undergraduate thesis, the methodology of artificial intelligence is described through the process of deep learning. Artificial neural networks that enable machines to acquire human-like intelligence in the process of deep learning are presented. Special emphasis is placed on convolutional neural networks, which gained their popularity thanks to their excellent performance when processing images. As part of the thesis, the challenges in working with medical images were described and it was investigated whether the use of preprocessing steps in their processing affects the performance of deep learning models. The deep learning model is implemented using the Tensorflow Object Detection API. For the purposes of learning the model, knee MRI images were collected, on which the central area of the knee with the growth zones on the femur and tibia, which the model should learn to detect, was marked. Training, evaluation and testing of different models were carried out. By comparing their performances, insight into how the preprocessing steps and the number of images on which the model learns affect object detection on knee medical images was gained.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:179:604022
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 pristupaPristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-09-28 12:04:24