prikaz prve stranice dokumenta Duboko učenje za segmentaciju različitih abdominalnih organa iz medicinskih slika
  Preuzmi
PDF 2.1 MB
diplomski rad
Duboko učenje za segmentaciju različitih abdominalnih organa iz medicinskih slika
2024. urn:nbn:hr:200:174543
Lovretić, Luka
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za vizualno računarstvo

Citirajte ovaj rad

Lovretić, L. (2024). Duboko učenje za segmentaciju različitih abdominalnih organa iz medicinskih slika (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:174543

Lovretić, Luka. "Duboko učenje za segmentaciju različitih abdominalnih organa iz medicinskih slika." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:174543

Lovretić, Luka. "Duboko učenje za segmentaciju različitih abdominalnih organa iz medicinskih slika." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:174543

Lovretić, L. (2024). 'Duboko učenje za segmentaciju različitih abdominalnih organa iz medicinskih slika', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 26.11.2024., https://urn.nsk.hr/urn:nbn:hr:200:174543

Lovretić L. Duboko učenje za segmentaciju različitih abdominalnih organa iz medicinskih slika [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2024 [pristupljeno 26.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:174543

L. Lovretić, "Duboko učenje za segmentaciju različitih abdominalnih organa iz medicinskih slika", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:174543

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:174543
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovDuboko učenje za segmentaciju različitih abdominalnih organa iz medicinskih slika
Naslov (engleski)Deep learning for segmentation of abdominal multi-organs from medical images
AutorLuka Lovretić
MentorIrena Galić (mentor)
MentorMarija Habijan (sumentor)
Član povjerenstvaMarija Habijan (član povjerenstva)
Član povjerenstvaKrešimir Nenadić (predsjednik povjerenstva)
Član povjerenstvaKrešimir Romić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za programsko inženjerstvo)
(Katedra za vizualno računarstvo)
Osijek
Datum i država obrane2024-07-15, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Segmentacija abdominalnih organa korištenjem neuronskih mreža predstavlja jedan od ključnih koraka u modernoj medicinskoj dijagnostici i planiranju tretmana. Korištenjem MRI snimki za treniranje modela, konvolucijske neuronske mreže mogu precizno identificirati i segmentirati različite organe u abdominalnoj šupljini. Ovi modeli su u stanju naučiti složene obrasce i karakteristike koje omogućuju razlikovanje između organa kao što su jetra, slezena i bubrezi. Automatska segmentacija smanjuje potrebu za ručnim označavanjem od strane radiologa, poboljšava točnost dijagnoaza i ubrzava proces analize medicinskih snimaka. U ovom radu predstavljene su dvije metode segmentacije abdominalnih organa koristeći dva modela temeljena na U-Net arhitekturi neuronskih mreža. Modeli su trenirani, vrednovani, testirani i uspoređeni. Oba modela uspješno su odrađivala segmentaciju, svaki sa svojom razinom preciznosti. Preciznosti oba modela bi se mogle još dodatno poboljšati proširenjem skupa podataka.
Sažetak (engleski)
Segmentation of abdominal organs using neural networks represents one of the key steps in modern medical diagnostics and treatment planning. Using MRI images for model training, convolutional neural networks can accurately identify and segment different organs in the abdominal cavity. These models can learn complex patterns and features that enable the differentiation between organs such as the liver, spleen, and kidneys. Automatic segmentation reduces the need for manual annotation by radiologists, improves diagnostic accuracy, and speeds up the process of analyzing medical images. This paper presents two methods for segmenting abdominal organs using two models based on the U-Net neural network architecture. The models were trained, validated, tested and compared with both models successfully performing segmentation, each with its own level of precision. The precision of both models could be further improved by expanding the dataset.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:174543
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni/a magistar/magistra inženjer/inženjerka računarstva (univ. mag. ing. comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-08-19 07:56:21