Název:
Hluboké neuronové sítě pro analýzu medicínských obrazových dat
Překlad názvu:
Deep Learning for Medical Image Analysis
Autoři:
Dronzeková, Michaela ; Kodym, Oldřich (oponent) ; Španěl, Michal (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2018
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Cieľom tejto práce je využitie konvolučných neurónových sietí na klasifikáciu röntgenových snímok ľudského tela. Na tento účel boli vytvorené štyri neurónové siete, ktoré sa testujú na troch klasifikačných úlohách: klasifikácia bočnej a predozadnej snímky hrudníka, klasifikácia snímok do viacerých kategórií a klasifikácia chorôb na predozadnej snímke hrudníka. Najlepšie výsledky dosiahli siete ResNet a SEResNet. Pri prvej úlohe dosiahla SEResNet presnosť 99,49%, pri druhej mala najlepšie výsledky ResNet s presnosťou 94,97% a v prípade tretej úlohy dosiahla najlepší výsledok opäť SEResNet, 31,53% s použitím metriky F1 measure.
The purpose of this thesis is to use convolutional neural networks for X-ray image classification of human body. Four different architectures of neural networks have been created. They were trained and tested on three tasks: classification of front and lateral chest, classification of X-ray images into several different categories and classification of diseases in chest X-ray. ResNet and SEResNet architectures achieved the best results. SEResNet scored 99,49% accuracy in the first task, ResNet achieved 94,97% accuracy in the second task and SEResNet reached 31,53% in the third task with F1 measure as metrics for evaluating results.
Klíčová slova:
klasifikácia; Konvolučné neurónové siete; röntgen; Tensorflow; umelé generovanie snímok; classification; Convolutional neural networks; generating artificial x-ray images; Tensorflow; x-ray
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/11012/85072