Název:
Odhad věku ze snímků sítnice
Překlad názvu:
Age estimation from retinal images
Autoři:
Kadlec, Vojtěch ; Jakubíček, Roman (oponent) ; Kolář, Radim (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2023
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Lidský věk je považován za důležitý biometrický údaj parametr, který bývá obtížné určit. Předchozí studie ukázaly, že některé nespecifické anatomické a fyziologické jevy jsou charakteristické pro proces stárnutí. Tato bakalářská práce se věnuje odhadu věku ze snímků sítnice. V první části se práce věnuje sítnice lidského oka jako takové včetně fyziologických a patologických změn v průběhu stárnutí. Dále jsou popsány principy neuronových sítí a principy klasifikace věku z obrazových dat. Praktická část se věnuje samotné implementaci algoritmu. Ten využívá konvoluční neuronovou síť založenou na architektuře ResNet-34 a algoritmu Consistent Rank Logits predikující věk jako ordinální proměnnou. Nejlepší model dosáhl průměrné absolutní chyby 3.42 roku, čímž překonal stávající modely odhadující věk ze snímků sítnice. Veškeré algoritmy jsou implementovány v programovacím jazyce Python s využitím knihovny Pytorch.
Human age is considered an important biometric parameter that is often difficult to determine. Previous studies have shown that the non-specific general anatomical and physiological characteristics seen on fundus images are all likely signs of ageing. This bachelor thesis focuses on age estimation from retinal images. The first part of the thesis deals with the retina of the human eye as such, including physiological and pathological changes during aging. Then the principles of neural networks and principles of age classification from image data are described. The practical part is devoted to the implementation of the algorithm itself. The convolutional neural network framework is based on the ResNet-34 architecture together with the Consistent Rank Logits algorithm estimating age as an ordinal variable. The best model achieved a mean absolute error of 3.42 years, outperforming existing models estimating age from retinal images. All algorithms are implemented in the Python programming language using the Pytorch library.
Klíčová slova:
Hluboké učení; odhad věku; počítačové vidění; snímky sítnice; age estimation; computer vision; Deep learning; retinal images
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/210832