Klasifikace nemoci na rentgenových snímcích pomocí umělé inteligence
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato práce se zabývá výzkumem použitelných řešení pro problém klasifikace onemocnění hrudníku na rentgenových snímcích hrudníku pomocí umělé inteligence. Pro lepší pochopení problému jsou v prvních kapitolách vysvětleny základní konvoluční neuronové sítě a jejich výhody a nevýhody. Na základě těchto prvních vysvětlení jsou vybrány dvě neuronové sítě, které rozšiřují koncept konvoluční neuronové sítě. Těmito sítěmi jsou kapslová síť a reziduální síť, obě jsou dále vysvětleny v příslušných kapitolách s jejich výhodami a nevýhodami. Reziduální síť a kapslová síť jsou poté implementovány pomocí programovacího jazyka python a frameworku TensorFlow s knihovnou Keras, obě se svými příslušnými kapitolami. Na konci práce jsou uvedeny výsledky a závěr.
This thesis is researching workable solutions to the problem of classification of thorax disease on chest x-ray images using artificial intelligence. For a better understanding of the problem, the first chapters explain the basic convolutional neural network and its advantages and disadvantages. Based on these first explanations, two neural networks which are expanding on the concept of the convolutional neural network are chosen. Those are capsulated network and residual network both explained further in their respective sections with their advantages and disadvantages. Residual network and Capsulated network are implemented using programming language python and framework TensorFlow with Keras library, both with their respective chapters. At the end of this thesis, you can find results and conclusion.
This thesis is researching workable solutions to the problem of classification of thorax disease on chest x-ray images using artificial intelligence. For a better understanding of the problem, the first chapters explain the basic convolutional neural network and its advantages and disadvantages. Based on these first explanations, two neural networks which are expanding on the concept of the convolutional neural network are chosen. Those are capsulated network and residual network both explained further in their respective sections with their advantages and disadvantages. Residual network and Capsulated network are implemented using programming language python and framework TensorFlow with Keras library, both with their respective chapters. At the end of this thesis, you can find results and conclusion.
Description
Citation
PIJÁČEK, Š. Klasifikace nemoci na rentgenových snímcích pomocí umělé inteligence [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
bez specializace
Comittee
prof. Ing. Zdeněk Smékal, CSc. (předseda)
doc. Ing. Pavel Šilhavý, Ph.D. (místopředseda)
Ing. Daniel Kováč (člen)
Ing. Jan Dvořák, Ph.D. (člen)
Ing. et Ing. Petr Musil (člen)
Ing. Ondřej Šmirg, Ph.D. (člen)
Date of acceptance
2022-06-14
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky.
Otázky k obhajobě:
Bylo by možné navrhnout experiment, který by ověřil, zda navržený model zachovává prostorovou informaci (spatial relationship) lépe, než konvenčně používané konvoluční sítě? Co způsobuje problém mizejícího gradientu u navrženého řešení zmíněný v závěru práce? Co znamená AUC?
Student obhájil bakalářskou práci s výhradami a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení