prikaz prve stranice dokumenta Detekcija karcinoma mokraćnog mjehura korištenjem YOLO algoritma
  Preuzmi
PDF 5.7 MB
diplomski rad
Detekcija karcinoma mokraćnog mjehura korištenjem YOLO algoritma
Rijeka: Sveučilište u Rijeci, Tehnički fakultet, 2022. urn:nbn:hr:190:358489
Cvija, Tajana
Sveučilište u Rijeci
Tehnički fakultet
Zavod za automatiku i elektroniku

Institucijski repozitorij: Repozitorij Tehničkog fakulteta u Rijeci

Citirajte ovaj rad

Cvija, T. (2022). Detekcija karcinoma mokraćnog mjehura korištenjem YOLO algoritma (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:358489

Cvija, Tajana. "Detekcija karcinoma mokraćnog mjehura korištenjem YOLO algoritma." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:190:358489

Cvija, Tajana. "Detekcija karcinoma mokraćnog mjehura korištenjem YOLO algoritma." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:190:358489

Cvija, T. (2022). 'Detekcija karcinoma mokraćnog mjehura korištenjem YOLO algoritma', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 23.05.2024., https://urn.nsk.hr/urn:nbn:hr:190:358489

Cvija T. Detekcija karcinoma mokraćnog mjehura korištenjem YOLO algoritma [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2022 [pristupljeno 23.05.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:358489

T. Cvija, "Detekcija karcinoma mokraćnog mjehura korištenjem YOLO algoritma", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:358489

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:358489
Podaci o radu
NaslovDetekcija karcinoma mokraćnog mjehura korištenjem YOLO algoritma
Naslov (engleski)Urinary bladder cancer detection using YOLO algorithm
AutorTajana Cvija
MentorZlatan Car (mentor)
Član povjerenstvaSaša Vlahinić (predsjednik povjerenstva)
Član povjerenstvaZlatan Car (član povjerenstva)
Član povjerenstvaIvan Volarić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
(Zavod za automatiku i elektroniku)
Rijeka
Datum i država obrane2022-09-27, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Automatizacija i robotika
Sažetak
Ovaj diplomski rad opisuje detekciju karcinoma mokraćnog mjehura primjenom YOLO (You Only Look Once) algoritma. Opisana je problematika računalnog vida i detekcije objekata te uloga konvolucijskih neuronskih mreža pri rješavanju iste. Konvolucijske neuronske mreže opisane su u pogledu strukture, procesa učenja i vrednovanja detekcije objekata. Predstavljena su rješenja detekcije objekata temeljena na konvolucijskim neuronskim mrežama u obliku algoritama s pristupom u dva i u jednom koraku. Iz algoritama s pristupom u jednom koraku izdvojen je i pobliže opisan YOLO algoritam s naglaskom na svoju najnoviju inačicu YOLOv7. YOLOv7 model učen je detekciji tumora na mokraćnom mjehuru na skupovima podataka koji su se sastojali od CT i MRI slikovnih zapisa frontalnog, horizontalnog i sagitalnog presjeka trbušne šupljine. Učenje za pojedini presjek vršeno je odvojeno i rezultiralo je srednjom prosječnom preciznošću od 94.4%, 85.6% i 96.1% za frontalni, horizontalni i sagitalni presjek, redom. Ispitivanjem modela na novim, modelu nepoznatim, slikama utvrđena je uspješna detekcija karcinoma mokraćnog mjehura.
Sažetak (engleski)
This master's thesis describes urinary bladder cancer detection using YOLO (You Only Look Once) algorithm. It describes the problem of computer vision, object detection, and the role of using convolutional neural networks as its solution. Convolutional neural networks are described in the means of their structure, training process, and object detection evaluation. Solutions of object detection based on convolutional neural networks are introduced as one- and two-stage approach algorithms. From one-stage approach algorithms YOLO algorithm has been chosen and described in more detail with emphasis on its newest version YOLOv7. A YOLOv7 model has been trained to detect tumor on the urinary bladder by using datasets that consisted of CT and MRI images of frontal, horizontal and sagittal plane of the abdomen. Learning process for each plane has been performed separately and it has resulted in 94.4%, 85.6%, and 96.1% mean average precision for frontal, horizontal and sagittal plane, respectively. Model testing on new, to the model unknown, images concluded in successful detection of the urinary bladder cancer.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:358489
Studijski programNaziv: Elektrotehnika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike (mag. ing. el.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Imenovanje 4.0 međunarodna (CC BY 4.0)
Datum i vrijeme pohrane2022-09-20 18:50:34