prikaz prve stranice dokumenta Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika
  Preuzmi
PDF 25.79 MB
diplomski rad
Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika
Rijeka: Sveučilište u Rijeci, Tehnički fakultet, 2022. urn:nbn:hr:190:648000
Frlan, Anton
Sveučilište u Rijeci
Tehnički fakultet
Zavod za računarstvo

Institucijski repozitorij: Repozitorij Tehničkog fakulteta u Rijeci

Citirajte ovaj rad

Frlan, A. (2022). Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:648000

Frlan, Anton. "Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:190:648000

Frlan, Anton. "Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2022. https://urn.nsk.hr/urn:nbn:hr:190:648000

Frlan, A. (2022). 'Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 18.05.2024., https://urn.nsk.hr/urn:nbn:hr:190:648000

Frlan A. Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2022 [pristupljeno 18.05.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:648000

A. Frlan, "Razvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:648000

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:648000
Podaci o radu
NaslovRazvoj metode temeljene na strojnom učenju za pronalaženje sličnih prijeloma zapešća iz pedijatrijskih medicinskih rendgenskih slika
AutorAnton Frlan
MentorIvan Štajduhar (mentor)
Član povjerenstvaGoran Mauša (predsjednik povjerenstva)
Član povjerenstvaKristijan Lenac (član povjerenstva)
Član povjerenstvaIvan Štajduhar (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
(Zavod za računarstvo)
Rijeka
Datum i država obrane2022, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Programsko inženjerstvo
Sažetak
Ovaj diplomski rad predlaže novu metodu za pronalaženje sličnih medicinskih slika pomoću značajki. Napravljen je pregled radova i metoda za pronalaženje sličnih slika pomoću značajki. Predstavljena je korištena medicinska pedijatrijska baza podataka fraktura za koju je razvijen jednostavni sustav za anotiranje fraktura. Osmišljena je metoda koja se sastoji od ekstraktora značajki i modela sličnosti. Isprobana su četiri \acrshort{cnn} autoenkodera za ekstrahiranje značajki. Model sličnosti pretvara ekstrahirane značajke u reprezentativni vektor koji je uspoređivan s drugim vektorima pomoću matematičke metode. Dvije metode treniranja modela sličnosti su istražene i objašnjene. Naposljetku, predstavljeni su rezultati, korištene metrike i svi problemi na koje se naišlo tijekom razvijanja metode.
Sažetak (engleski)
This thesis proposes a new method for finding similar medical images using features. A review of papers and methods for finding similar images using features is presented. A medical pediatric fracture database is used for which a simple fracture annotation system was developed and presented. A method consisting of a feature extractor and a similarity model was devised. Four CNN autoencoders were tested for feature extraction. The similarity model transforms the extracted features into a representative vector that is compared with other vectors using a mathematical method. Two methods for training similarity models are explored and explained. Finally, the results, the metrics used and all the problems encountered during the development of the method are presented.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:648000
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 pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Imenovanje 4.0 međunarodna (CC BY 4.0)
Datum i vrijeme pohrane2022-11-16 20:09:37