prikaz prve stranice dokumenta Geometrijsko duboko učenje za segmentaciju urođenih srčanih mana iz CT slika
  Preuzmi
PDF 5.4 MB
diplomski rad
Geometrijsko duboko učenje za segmentaciju urođenih srčanih mana iz CT slika
2024. urn:nbn:hr:200:607463
Kvesić, David
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za vizualno računarstvo

Citirajte ovaj rad

Kvesić, D. (2024). Geometrijsko duboko učenje za segmentaciju urođenih srčanih mana iz CT 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:200:607463

Kvesić, David. "Geometrijsko duboko učenje za segmentaciju urođenih srčanih mana iz CT slika." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:607463

Kvesić, David. "Geometrijsko duboko učenje za segmentaciju urođenih srčanih mana iz CT slika." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:607463

Kvesić, D. (2024). 'Geometrijsko duboko učenje za segmentaciju urođenih srčanih mana iz CT slika', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 28.12.2024., https://urn.nsk.hr/urn:nbn:hr:200:607463

Kvesić D. Geometrijsko duboko učenje za segmentaciju urođenih srčanih mana iz CT slika [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2024 [pristupljeno 28.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:607463

D. Kvesić, "Geometrijsko duboko učenje za segmentaciju urođenih srčanih mana iz CT 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:200:607463

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:607463
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovGeometrijsko duboko učenje za segmentaciju urođenih srčanih mana iz CT slika
Naslov (engleski)Geometric deep learning for segmentation of fetal hearts from CT images
AutorDavid Kvesić
MentorIrena Galić (mentor)
MentorMarija Habijan (sumentor)
Član povjerenstvaMarija Habijan (predsjednik povjerenstva)
Član povjerenstvaKrešimir Nenadić (član 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 obrane2024-10-02, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Kardiovaskularne bolesti vodeći su uzrok smrti danas u svijetu. Urođene srčane mane jedan su od faktora koji doprinosi toj statistici. Razvojem moderne znanosti došlo je do napretka metoda obrade digitalnih slika. Razvijene su metode segmentacije dijelova srca temeljene na dubokom učenju. U ovom je radu predstavljena metoda segmentacije srca iz 3D CT slika koristeći GAN metodu dubokog učenja. Za potrebe treninga GAN modela korišteno je 7 CT snimki, konvertiranih u 1203 dvodimenzionalne slike. Prikazani su rezultati treninga modela i usporedba treninga slika iz različitih ravnina, dobivenih različitim načinima konverzije te su dani prijedlozi za poboljšanje performansi modela. U radu je prikazano da se korištenjem GAN arhitekture mogu postići uspješni rezultati u segmentaciji urođenih srčanih mana korištenjem relativno malog skupa podataka za trening.
Sažetak (engleski)
Cardiovascular diseases are the leading cause of death in the world today. Congenital heart defects are one of the factors that contributes to that statistic. The development of modern science has led to the advancement of digital image processing methods. Heart segmentation methods based on deep learning have been developed. This paper presents a heart segmentation method from 3D CT images using GAN architecture. For the purposes of training the GAN model, 7 CT scans were converted into 1203 two-dimensional images. The results of model training and a comparison of training images from different planes, obtained by different conversion methods, are presented, and suggestions for improving the model's performance are given. The paper shows that by using the GAN architecture, successful results can be achieved in the segmentation of congenital heart defects using a relatively small set of training data.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:607463
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 pohrane2024-11-04 10:28:31