diplomsko delo
Matija Bažec (Avtor), Žiga Emeršič (Mentor), Tim Oblak (Komentor)

Povzetek

Rak dojk je velika zdravstvena skrb. Pojav globokega učenja uvaja možnosti za pomoč medicinskemu osebju v boju proti bolezni. V tem delu smo uporabili metode globokega učenja za napovedovanje prisotnosti raka dojke pri bolnicah s tumorskimi lezijami. Razvili smo cevovod, ki vključuje model segmentacije in klasifikacije. Prvi služi za določitev lokacije lezije, drugi pa za ugotavljanje, ali je lezija benigna ali maligna. V sklopu diplomske naloge smo se skušali približati zmogljivosti vodilnih metod na področju in svoj pristop oceniti na lastni podatkovni zbirki mamografskih slik. Kljub dobrim preliminarnim rezultatom klasifikacijskega modela pa na testih celotnega cevovoda nismo dosegli želenih rezultatov. Razlog za to je segmentacijski model, ki mu na vhodni sliki ni uspelo prepoznati večjega števila potencialnih lezij.

Ključne besede

rak dojk;tumorji;segmentacija;klasifikacija;konvolucijske nevronske mreže;univerzitetni študij;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [M. Bažec]
UDK: 004.85:618.19-006(043.2)
COBISS: 212440323 Povezava se bo odprla v novem oknu
Št. ogledov: 92
Št. prenosov: 207
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: Prediction of cancer on mammographic images
Sekundarni povzetek: Breast cancer is a major medical concern for people everywhere. The advent of deep learning introduces options to assist medical personnel in combating the disease. In this work we used deep learning methods to predict the presence of breast cancer on patients with tumorous lesions. We develop a pipeline that includes a segmentation and classification model. The first determines the location of the lesion and the second determines weather the lesion is benign or malign. Our goal was to reach the performance of contemporary models in the field and test our approach on a custom dataset of mammographic images. Despite initial success with our classification model, the evaluation of the final pipeline did not achieve the desired results. The reason for this is the segmentation model, which failed to detect several potential lesions in the input image.
Sekundarne ključne besede: breast cancer;segmentation;classification;deep learning;convolutional neural networks;computer and information science;diploma;Rak dojke;Globoko učenje (strojno učenje);Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 1000468
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 1 spletni vir (1 datoteka PDF (36 str.))
ID: 25392602