prikaz prve stranice dokumenta Rekonstrukcija MRI slika mozga pomoću fastMRI biblioteke
  Preuzmi
PDF 6.12 MB
diplomski rad
Rekonstrukcija MRI slika mozga pomoću fastMRI biblioteke
2024. urn:nbn:hr:200:243073
Bertić, Dražen
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za programsko inženjerstvo
Katedra za vizualno računarstvo

Citirajte ovaj rad

Bertić, D. (2024). Rekonstrukcija MRI slika mozga pomoću fastMRI biblioteke (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:200:243073

Bertić, Dražen. "Rekonstrukcija MRI slika mozga pomoću fastMRI biblioteke." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:243073

Bertić, Dražen. "Rekonstrukcija MRI slika mozga pomoću fastMRI biblioteke." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:243073

Bertić, D. (2024). 'Rekonstrukcija MRI slika mozga pomoću fastMRI biblioteke', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 20.12.2024., https://urn.nsk.hr/urn:nbn:hr:200:243073

Bertić D. Rekonstrukcija MRI slika mozga pomoću fastMRI biblioteke [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2024 [pristupljeno 20.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:243073

D. Bertić, "Rekonstrukcija MRI slika mozga pomoću fastMRI biblioteke", 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:200:243073

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:243073
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovRekonstrukcija MRI slika mozga pomoću fastMRI biblioteke
Naslov (engleski)Reconstruction of brain MRI images using the fastMRI
AutorDražen Bertić
MentorIrena Galić (mentor)
MentorMarija Habijan (sumentor)
Član povjerenstvaIrena Galić (predsjednik povjerenstva)
Član povjerenstvaKrešimir Nenadić (član povjerenstva)
Član povjerenstvaMarija Habijan (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 obrane2024-12-16, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
sažetak (hrvatski): Ovaj se rad bavi rekonstrukcijom slika magnetske rezonance mozga primjenom metoda dubokog učenja implementiranih u fastMRI biblioteku. Magnetska rezonanca je ključna metoda za di- jagnostiku u medicini. Cilj ovog rada je istražti primjene tehnike prijenosa učenja na unaprijed istreniranim U-Net i End-to-End VarNet modelima kako bi se poboljšala kvaliteta rekonstrukcije slika uz poduzorkovane podatke. Korišteni su fastMRI i Calgary-Campinas skupovi podataka, a podatci su pripremljeni uz primjenu različitih maski poduzorkovanja ekvidistantnih, slučajnih ekvidistantnih i maski s Gaussovim šumom. Modeli su trenirani i evaluirani pomoću SSIM i PSNR metrika. Rezultati pokazuju da prijenosom učenja možemo poboljšati kvalitetu rekons- trukcije, pogotovo na End-to-End VarNet modelu. Kvaliteta rekonstrukcija još uvijek ne doseže razinu potrebnu za kliničku upotrebu.
Sažetak (engleski)
This paper addresses the reconstruction of magnetic resonance images using deep learning met- hods implemented in fastMRI library. Magnetic resonance is a key diagnostic tool in medicine. The aim of this paper is to research uses of transfer learning techniques on pre-trained U-Net and End-to- End VarNet models to improve the quality of image reconstruction from undersam- pled data. fastMRI and Calgary-Campinas datasets were used, and data was prepared using multiple undersampling masks: equispaced, random equispaced and masks with Gaussian no- ise. The models were trained and evaluated using SSIM and PSNR metrics. Results show that transfer learning can enhance reconstruction quality, particularly for the End-to-End VarNet model. However, the quality of reconstructions still falls short of the level required for clinical use.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:243073
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 pohrane2024-12-20 12:15:03