Original title: Automatizované hodnocení kvality snímků sítnice pomocí strojového učení
Translated title: Automated Retinal Images Quality Assessment Using Machine Learning
Authors: Mikheda, Vladislav ; Vaško, Marek (referee) ; Kavetskyi, Andrii (advisor)
Document type: Bachelor's theses
Year: 2023
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [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.
Keywords: anatomical structure segmentation; deep learning; human eye; neural networks; pre-trained network; retina; retinal image quality; U-net; VGG16; hluboké učení; kvalita snímků sítnice; lidické oko; neuronové sítě; předem vyučená síť; segmentace anatomických struktur; sítnice; U-net; VGG16

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/11012/212749

Permalink: http://www.nusl.cz/ntk/nusl-530978


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