prikaz prve stranice dokumenta Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama
Pristup korisnicima matične ustanove
diplomski rad
Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama
Rijeka: Sveučilište u Rijeci, Tehnički fakultet, 2019. urn:nbn:hr:190:021891
Ilić, Dino
Sveučilište u Rijeci
Tehnički fakultet
Zavod za računarstvo
Katedra za inteligentne računalne sustave

Institucijski repozitorij: Repozitorij Tehničkog fakulteta u Rijeci

Citirajte ovaj rad

Ilić, D. (2019). Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:021891

Ilić, Dino. "Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2019. https://urn.nsk.hr/urn:nbn:hr:190:021891

Ilić, Dino. "Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2019. https://urn.nsk.hr/urn:nbn:hr:190:021891

Ilić, D. (2019). 'Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 23.11.2024., https://urn.nsk.hr/urn:nbn:hr:190:021891

Ilić D. Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2019 [pristupljeno 23.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:021891

D. Ilić, "Grupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:021891

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:021891
Podaci o radu
NaslovGrupiranje sadržaja repozitorija medicinskih slika prema DICOM oznakama
Naslov (engleski)Medical Image Repository Clustering Based on DICOM Tags
AutorDino Ilić
MentorIvan Štajduhar (mentor)
Član povjerenstvaKristijan Lenac (predsjednik povjerenstva)
Član povjerenstvaIvo Ipšić (član povjerenstva)
Član povjerenstvaGoran Mauša (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
(Zavod za računarstvo)
(Katedra za inteligentne računalne sustave)
Rijeka
Datum i država obrane2019-07-15, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
PACS repozitoriji, koje cesto odrzavaju bolnički centri, sadrže veliki broj podataka prikupljenih kroz razne medicinske procedure kao što su CT i MR. Medicinske procedure se sastoje od slika, kao i metaoznaka povezanih uz tu sliku, najčešće u DICOM datotekama. Ovaj rad istražuje mogućnost iskorištavanja DICOM metaoznaka za automatsku anotaciju PACS baza podataka koristeći metode grupiranja. Motivacija za ovo istraživanje je evaluacija mogućnosti grupiranja semantički sličnih medicinskih slika. Podaci su prikupljeni iz dijela RadiologyNet baze podataka, koja je nastala 2017. godine. Zbog velikog broja podataka, ovo istraživanje je u obzir uzelo mali podskup te baze podataka (5%; 600000 slika). Nakon analize i pripremne obrade podataka, medicinske slike su grupiranje koristeći algoritam K-sredina s različitim brojem grupa. Prikazana je i detaljnija vizualizacija za tri različita modela (K = 25; 50; 200), a ona je uzela u obzir homogenost medicinskih slika unutar grupe kao i heterogenost između grupa. Rezultati pokazuju kako su DICOM metaoznake informativne i mogu se koristiti za grupiranje medicinskih slika.
Sažetak (engleski)
PACS repositories, owned and maintained by numerous clinical centres, contain vast amounts of recorded data from various medical procedures, namely CT and MR. Medical procedures are comprised of images as well as metadata related to that image,often using DICOM format. This thesis explores the possibility of utilising DICOM tags for automatic annotation of PACS databases, using ordinary clustering. The motivation behind this research is to evaluate the possibility of grouping semantically similar images. Data has been collected as a part of RadiologyNet database, which was built in 2017. Because of the overwhelming size of the dataset, only a small subset was used (5%; 600000 images). Following data analysis and preprocessing, K-means clustering was utilised for varying number of clusters. A detailed visualisation was done for three diferent models (K = 25; 50; 200) with regards to semantic homogeneity within clusters, and the heterogeneity between clusters. The results suggest that DICOM tags are informative and can be used for semantic clustering of medical images.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:021891
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2019-07-16 13:43:28