diplomsko delo
Tim Štuhec (Avtor), Jure Žabkar (Mentor)

Povzetek

V nalogi obravnavamo problem segmentacije fibroze srca. Na voljo imamo 200 simulacij MRF slik srca, med katerimi so samo 3 slike srca brez fibroze. Posnemamo realno stanje, kjer je pridobivanje segmentacij slik srca zamudno in je večina src, slikanih z magnetno resonanco, bolnih. Problema smo se lotili s pomočjo avtokodirnikov, za najboljše so se izkazali konvolucijski. Konvolucijske nevronske mreže smo uporabili na dva načina. V prvem smo s slikami poskusili rekonstruirati identične slike brez fibroze, v drugem pa smo poskusili lokalizirati samo fibrozo. Drugi način se je izkazal kot veliko uspešnejši, saj dosega dobre rezultate, medtem pa je imel prvi težave zaradi premajhnega števila slik zdravega srca. Kljub temu prva metoda odpira več možnosti za nadaljnje raziskovanje na tem področju, saj ne potrebuje slik s priloženimi segmentacijami, ampak le podatke o tem, katere slike predstavljajo zdravo srce in katere srce s fibrozo.

Ključne besede

fibroza srca;konvolucijske nevronske mreže;avtokodirniki;samonadzorovano učenje;interdisciplinarni študij;univerzitetni študij;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [T. Štuhec]
UDK: 004.8:616.12(043.2)
COBISS: 124604675 Povezava se bo odprla v novem oknu
Št. ogledov: 276
Št. prenosov: 51
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Segmentation of cardiac fibrosis with convolutional autoencoders
Sekundarni povzetek: In the assignment, we deal with the problem of heart fibrosis segmentation. We have 200 MRF simulations of cardiac images available, among which only 3 cardiac images without fibrosis. We simulate a real world situation where obtaining segmentations of heart images is time-consuming and most hearts imaged with magnetic resonance are diseased. We tackled the problem with the help of autoencoders, convolutional ones turned out to be the best. We used convolutional neural networks in two ways. In the first, we tried to reconstruct identical images without fibrosis, and in the second, we tried to localize only the fibrosis. The second method turned out to be much more successful, achieving good results, while the first had its problems due to the insufficient number of images of a healthy heart. Nevertheless, the first method offers more opportunities for further research in this area, since it does not require images with attached segmentations, but only the information about, which images represent a healthy heart and which represent a heart with fibrosis.
Sekundarne ključne besede: cardiac fibrosis;convolutional neural networks;autoencoders;self-supervised learning;computer science;computer and information science;computer science and mathematics;interdisciplinary studies;diploma;Fibroza;Nevronske mreže (računalništvo);Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 1000407
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 47 str.
ID: 16506314