Pregled bibliografske jedinice broj: 1227918
Primjena konvolucijskih neuronskih mreža u analizi rendgenskih slika prsnog koša
Primjena konvolucijskih neuronskih mreža u analizi rendgenskih slika prsnog koša, 2021., diplomski rad, diplomski, Fakultet elektrotehnike i računarstva, Zagreb
CROSBI ID: 1227918 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
Naslov
Primjena konvolucijskih neuronskih mreža u analizi
rendgenskih slika prsnog koša
(Application of convolutional neural networks in the
analysis of chest X-ray images)
Autori
Razum, Domagoj
Vrsta, podvrsta i kategorija rada
Ocjenski radovi, diplomski rad, diplomski
Fakultet
Fakultet elektrotehnike i računarstva
Mjesto
Zagreb
Datum
28.06
Godina
2021
Stranica
42
Mentor
Lacković, Igor
Ključne riječi
konvolucijske neuronske mreže ; prijenosno učenje ; rendgenske slike ; klasifikacija ; EfficientNet-B0 ; Adam optimizator ; ROC ; AUROC
(convolutional neural networks ; transfer learning ; x-ray images ; classification ; EfficientNet-B0 ; Adam optimizer ; ROC ; AUROC)
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.
Izvorni jezik
Hrvatski
Znanstvena područja
Elektrotehnika
POVEZANOST RADA
Ustanove:
Fakultet elektrotehnike i računarstva, Zagreb
Profili:
Igor Lacković
(mentor)