Název:
Automatizované hodnocení kvality snímků sítnice pomocí strojového učení
Překlad názvu:
Automated Retinal Images Quality Assessment Using Machine Learning
Autoři:
Mikheda, Vladislav ; Vaško, Marek (oponent) ; Kavetskyi, Andrii (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2023
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Tato práce se zaměřuje na řešení problému hodnocení kvality snímků sítnice. Při diagnostice onemocnění lékaři se zaměřují na kvalitu jednotlivých anatomických struktur sítnice, podle kterých probíhá diagnostika. Cílem této práce je navrhnout a implementovat program pro automatizované hodnocení kvality snímků sítnice na základě anatomických struktur pomocí neuronových sítí. K řešení výše uvedeného problému bylo vyvinuto a implementováno celkem šest neuronových sítí. Tři z nich měly za úkol segmentovat jednotlivé anatomické struktury sítnice a tři další měly vyhodnocovat snímky na základě kvality segmentované struktury. Bylo provedeno jak testování každé neuronové sítě zvlášť, tak testování celého programu. Model umožňuje hodnocení kvality snímků sítnice na základě anatomických struktur.
This work focuses on solving the problem of retinal image quality assessment. When diagnosing a disease, physicians focus on the quality of individual anatomical structures of the retina, according to which the diagnosis is made. The aim of this work is to design and implement a program for automated quality assessment of retinal images based on anatomical structures using neural networks. Overall six neural networks were developed and implemented to solve the abovementioned problem. Three of them were to segment individual anatomical structures of the retina, and three others were meant to evaluate images based on the quality of the segmented structure. Testing of each neural network separately, as well as testing of the entire program, was performed. The model allows the evaluation of the quality of retinal images based on the anatomical structures.
Klíčová slova:
hluboké učení; kvalita snímků sítnice; lidické oko; neuronové sítě; předem vyučená síť; segmentace anatomických struktur; sítnice; U-net; VGG16; anatomical structure segmentation; deep learning; human eye; neural networks; pre-trained network; retina; retinal image quality; U-net; VGG16
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/11012/212749