Identifikace 2D CT axiálních řezů pomocí konvolučních neuronových sítí
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato práce se zabývá klasifikací 2D axiálních CT řezů pacientských dat do šesti kategorií. K tomuto záměru byla využita oblast konvolučních neuronových sítí. Pro snadnější porozumění této problematice jsou nejprve vysvětleny základy neuronových sítí obecně a poté principy hlubokého učení zahrnující konvoluční neuronové sítě. Pro účely identifikace axiálních řezů byla vybrána konkrétně síť AlexNet, která byla po uzpůsobení otestovaná na vytvořené datové sadě. Celková úspěšnost klasifikace dosáhla 86%, po finálních úpravách došlo k mírnému zlepšení, kdy identifikační schopnost činila 87%.
This thesis deals with the classification of axial 2D slices in CT patient’s data into six categories. The sphere of convolutional neural networks was used for this purpose. For a better understanding of this issue, the basics of neural networks and then the principles of deep learning including convolutional neural networks are explained at first. The AlexNet network was specifically selected for the intention of this identification, and it was tested on the created data set after being adaptated. The overall classification success rate was 86% ,after the final adjustments, a slight improvement was achieved and the identification success rate was 87%.
This thesis deals with the classification of axial 2D slices in CT patient’s data into six categories. The sphere of convolutional neural networks was used for this purpose. For a better understanding of this issue, the basics of neural networks and then the principles of deep learning including convolutional neural networks are explained at first. The AlexNet network was specifically selected for the intention of this identification, and it was tested on the created data set after being adaptated. The overall classification success rate was 86% ,after the final adjustments, a slight improvement was achieved and the identification success rate was 87%.
Description
Citation
VAVŘINOVÁ, P. Identifikace 2D CT axiálních řezů pomocí konvolučních neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Biomedicínská technika a bioinformatika
Comittee
prof. Ing. Ivo Provazník, Ph.D. (předseda)
doc. Ing. Martin Černý, Ph.D. (místopředseda)
Ing. Marina Ronzhina, Ph.D. (člen)
Ing. Oto Janoušek, Ph.D. (člen)
MUDr. Marie Nováková, Ph.D. (člen)
Ing. Roman Jakubíček, Ph.D. (člen)
Date of acceptance
2018-06-15
Defence
Studentka prezentovala výsledky své práce a komise byla seznámena s posudky. Ing. Ronzhina položila otázku: Je možné jeden řez pomocí Vašeho přístupu klasifikovat? Lze Vaši síť srovnat s přístupy v odborné literatuře a jaká byla jejich úspěšnost? Prof. Provazník položil otázku: Jak se lišila nasnímaná data pacientů? Studentka obhájila bakalářskou práci a odpověděla na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení