Original title: Detekce patologií na snímcích sítnice oka
Translated title: Pathologies Detection in Retinal Images
Authors: Hurta, David ; Drahanský, Martin (referee) ; Kavetskyi, Andrii (advisor)
Document type: Bachelor's theses
Year: 2022
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [cze] [eng]
Cílem této práce je návrh a implementace algoritmu detekce mikroaneuryzmat, tvrdých exsudátů a měkkých exsudátů na barevných snímcích sítnice.  Byl navržen algoritmus detekce objektů na základě hlubokého učení. Byla použita architektura Faster R-CNN s příznakovou pyramidovou sítí a předem vyučenou reziduální sítí společně s různými metodami transformace dat. Bylo využito celkově šesti datových sad snímků sítnic k trénování, ověřování a testování modelů. Vyučené modely dosáhly během testování hodnoty 0.46 střední průměrné přesnosti (mAP) při detekci mikroaneuryzmat a hodnoty 0.48 mAP během detekce exsudátů. Výsledné modely byly porovnány s publikovanými články a umožňují s chvályhodnou přesností detekovat dané patologie. The main goal of this work is to design and implement an algorithm for the detection of microaneurysms, hard exudates, and soft exudates on color fundus images. An algorithm for detecting objects based on deep learning has been proposed. The Faster R-CNN architecture with a feature pyramid network and a pre-pretrained residual network was used together with various data transformation methods. A total of six retinal image datasets were used to train, validate and test the models. The trained models achieved 0.46 mean average accuracy (mAP) in microaneurysm detection and 0.48 mAP in exudates detection during testing. The resulting models have been compared with published articles and make it possible to detect given pathologies with commendable accuracy.
Keywords: average precision; color fundus images; cotton wool spots; deep learning; exudates; Faster R-CNN; feature pyramid network; hard exudates; microaneurysms; pretrained network; retinal pathology detection; soft exudates; barevné snímky sítnice; detekce patologií sítnice; exsudáty; Faster R-CNN; hluboké učení; mikroaneuryzmata; měkké exsudáty; průměrná přesnost; předem vyučená síť; příznaková pyramidová síť; tvrdé exsudáty; vatovitá ložiska

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/207354

Permalink: http://www.nusl.cz/ntk/nusl-504896


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses