prikaz prve stranice dokumenta Segmentacija epikardijalne masti
  Preuzmi
PDF 6.27 MB
diplomski rad
Segmentacija epikardijalne masti
2020. urn:nbn:hr:200:592929
Benčević, Marin
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za vizualno računarstvo

Citirajte ovaj rad

Benčević, M. (2020). Segmentacija epikardijalne masti (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:200:592929

Benčević, Marin. "Segmentacija epikardijalne masti." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2020. https://urn.nsk.hr/urn:nbn:hr:200:592929

Benčević, Marin. "Segmentacija epikardijalne masti." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2020. https://urn.nsk.hr/urn:nbn:hr:200:592929

Benčević, M. (2020). 'Segmentacija epikardijalne masti', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 12.12.2024., https://urn.nsk.hr/urn:nbn:hr:200:592929

Benčević M. Segmentacija epikardijalne masti [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2020 [pristupljeno 12.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:592929

M. Benčević, "Segmentacija epikardijalne masti", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:592929

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:592929
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovSegmentacija epikardijalne masti
Naslov (engleski)Epicardial fat segmentation
AutorMarin Benčević
MentorIrena Galić (mentor)
Član povjerenstvaIrena Galić (predsjednik povjerenstva)
Član povjerenstvaKrešimir Nenadić (član povjerenstva)
Član povjerenstvaHrvoje Leventić (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 obrane2020-07-23, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
Epikardijalna mast (EM) masno je tkivo koje se nalazi izmed¯u srca i perikarda. Volumen i debljina epikardijalnog masnog tkiva povezai su s razliˇcitim bolestima kao što su ateroskleroza, masnoc´a srca, te drugim nepovoljnim kardiovaskularnim dogad¯ajima. EM je nezavisnan indikator rizika od srˇcanih bolesti. Potpuno automatskim i pouzdanim mjerenjem EM iz CT slika mogu se obraditi veliki skupovi CT slika i time napraviti sistematska studija epikardijalne masti. Ovaj rad predlaže potpuno automatsku metodu semantiˇcke segmetnacije epikardijalne masti iz CT slika koriste ´ci duboke neuronske mreže. Koristi se modificirana U-Net arhitektura s ResNet34 koderom. Model je treniran na 20 CT slika srca dobivenih iz dva razlicˇita CT ured¯aja. Rezultat modela su predikcije segmentiranih podruˇcja EM na CT slikama. Kvantitativna evaluacija rezultata pokazuje podudaranje Dice mjerila od 0,70. U radu je pokazano da je mogu´ce posti´ci grubu semantiˇcku segmentaciju EM dubokom neuronskom mrežom ˇcak i uz mali broj podataka uz pomo´c dobre predobrade podatkovnog skupa. Rad pokazuje i ovisnost utjecaja augmentacije podataka na konaˇcni rezultat semantiˇcke segmentacije CT slika.
Sažetak (engleski)
Epicardial fat (EF) is an adipose tissue located between the heard and the pericardium. The volume and thickness of EF is linked with various conditions such as atherosclerosis, visceral adiposity and other cardiovascular events. EF is also an independent cardiovascular disease risk factor. Fully automatic and reliable measurements of EF from CT scans could enable processing large CT image data sets for a systemic EF study. This thesis proposes a method for fully automatic semantic segmentation of EF tissue from CT images using a deep neural network. The model has a modified U-Net architecture with a ResNet34 encoder. The model is trained on 20 CT scans of the heart. The model results in a prediction of segmented EF area on CT images. Quantitive analysis of the model’s results yields a Dice score of 0.70. This thesis shows that it is possible to achieve rough semantic segmentation of EF tissue using a neural network even without large amounts of data, provided the data is preprocessed appropriately. It also shows the impact of data augmentation on segmentation results from CT images.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:592929
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 Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-09-16 10:52:36