but.committee	prof. Dr. Ing. Pavel Zemčík (předseda) doc. Dr. Ing. Jan Černocký (místopředseda) doc. Ing. Radim Burget, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Igor Szőke, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na otázku přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm výborně (A) . Otázky u obhajoby: Co je laterální rotace? Jak lze spočítat rozptyl (variance)? Jaký má být pro čtenáře poznatek z obrazu 3.3? Co ilustruje?	cs
but.jazyk	angličtina (English)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Kodym, Oldřich	en
dc.contributor.author	Drevický, Dušan	en
dc.contributor.referee	Kolář, Martin	en
dc.date.accessioned	2020-06-23T07:17:23Z
dc.date.available	2020-06-23T07:17:23Z
dc.date.created	2019	cs
dc.description.abstract	Táto práca sa zaoberá určením neistoty v predikciách modelov hlbokého učenia. Aj keď sa týmto modelom darí dosahovať vynikajúce výsledky v mnohých oblastiach počítačového videnia, ich výstupy sú väčšinou deterministické a neposkytujú mnoho informácií o tom, ako si je model istý svojou predpoveďou. To je obzvlášť dôležité pri analýze lekárskych obrazových dát, kde môžu mať omyly vysokú cenu a schopnosť detekovať neisté predikcie by umožnila dohliadajúcemu lekárovi spracovať relevantné prípady manuálne. V tejto práci aplikujem niekoľko rôznych metrík vyvinutých v nedávnom výskume pre určenie neistoty na modely hlbokého učenia natrénované pre lokalizáciu cefalometrických landmarkov. Následne ich vyhodnotím a porovnávam v sade experimentov, ktorých úlohou je určiť, nakoľko jednotlivé metriky poskytujú užitočnú informáciu o tom, ako si je model istý svojou predpoveďou.	en
dc.description.abstract	This thesis deals with quantifying uncertainty in the predictions of deep learning models. While they achieve state of the art results in many areas of computer vision, their outputs are usually deterministic and provide by themselves little information about how certain the model is about its prediction. This is important especially in the domain of medical image analysis where mistakes are costly and the ability to filter uncertain predictions would allow a supervising physician to review the relevant cases. This work applies several different uncertainty measures developed in recent research to deep learning models trained on a cephalometric landmark localization task. They are then evaluated and compared in a set of experiments which aim to determine whether each of the uncertainty measures provides us with useful information about the model's confidence in its predictions.	cs
dc.description.mark	A	cs
dc.identifier.citation	DREVICKÝ, D. Nejistota modelů hlubokého učení při analýze lékařských obrazových dat [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	122217	cs
dc.identifier.uri	http://hdl.handle.net/11012/180435
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	hlboké učenie	en
dc.subject	neistota	en
dc.subject	analýza lekárskych obrazových dát	en
dc.subject	detekcia kľúčových bodov	en
dc.subject	cefalometria	en
dc.subject	deep learning	cs
dc.subject	uncertainty	cs
dc.subject	medical image analysis	cs
dc.subject	landmark detection	cs
dc.subject	cephalometry	cs
dc.title	Nejistota modelů hlubokého učení při analýze lékařských obrazových dat	en
dc.title.alternative	Deep Learning Model Uncertainty in Medical Image Analysis	cs
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2019-06-19	cs
dcterms.modified	2019-07-08-13:31:34	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	122217	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.22 22:23:33	en
sync.item.modts	2021.11.22 21:37:11	en
thesis.discipline	Počítačová grafika a multimédia	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Nejistota modelů hlubokého učení při analýze lékařských obrazových dat

Files

Original bundle

Collections