prikaz prve stranice dokumenta Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga
  Preuzmi
PDF 10.09 MB
diplomski rad
Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga
2022. urn:nbn:hr:137:165084
Lukša, Ana
Sveučilište Jurja Dobrile u Puli
Fakultet informatike u Puli

Citirajte ovaj rad

Lukša, A. (2022). Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga (Diplomski rad). Pula: Sveučilište Jurja Dobrile u Puli. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:137:165084

Lukša, Ana. "Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga." Diplomski rad, Sveučilište Jurja Dobrile u Puli, 2022. https://urn.nsk.hr/urn:nbn:hr:137:165084

Lukša, Ana. "Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga." Diplomski rad, Sveučilište Jurja Dobrile u Puli, 2022. https://urn.nsk.hr/urn:nbn:hr:137:165084

Lukša, A. (2022). 'Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga', Diplomski rad, Sveučilište Jurja Dobrile u Puli, citirano: 18.11.2024., https://urn.nsk.hr/urn:nbn:hr:137:165084

Lukša A. Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga [Diplomski rad]. Pula: Sveučilište Jurja Dobrile u Puli; 2022 [pristupljeno 18.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:137:165084

A. Lukša, "Uspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga", Diplomski rad, Sveučilište Jurja Dobrile u Puli, Pula, 2022. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:137:165084

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:137:165084
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovUspostavljanje dijagnoze primjenom umjetnih neuronskih mreža na snimkama magnetne rezonance mozga
Naslov (engleski)Establishing a diagnosis using artificial neural networks on magnetic resonance images of the brain
AutorAna Lukša
MentorDarko Etinger (mentor)
Član povjerenstvaSnježana Babić (predsjednik povjerenstva)
Član povjerenstvaMirjana Radetić-Paić (član povjerenstva)
Član povjerenstvaDarko Etinger (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Jurja Dobrile u Puli
(Fakultet informatike u Puli)
Pula
Datum i država obrane2022-09-15, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Informacijske i komunikacijske znanosti
Informacijski sustavi i informatologija
Sažetak
Radiološko snimanje ima veliki značaj u njezi bolesnika za rano otkrivanje, dijagnosticiranje i liječenje bolesti. Kod tumora i drugih bolesti mozga, magnetska rezonanca (MR) je jedna od najčešćih metoda snimanja. Razlikovanje tumora mozga vrlo je izazovan zadatak u velikoj prostornoj i strukturnoj varijabilnosti okolnog područja tumora mozga. Stoga je svrha ovog rada razviti model koji se temelji na umjetnoj inteligenciji, odnosno konvolucijskoj neuronskoj mreži, da prepozna tri najčešća tipa tumora mozga, gliom, meningeomom i tumor hipofize pomoću slika magnetske rezonance te ispitati četiri arhitekture neurosnkih mreža, EfficientNet, ResNet50v2, Inception te Xception. U prvom dijelu rada opisan je princip rada magnetske rezonance te prikaz najčešćih tumora mozga, dok su u drugom obrađeni pojmovi umjetne inteligencije, strojnog i dubokog učenja, umjetne neuronske mreže te njihove primjene u radiologiji. Arhitektura i način rada konvolucijske neuronske mreže objašnjeni su u trećem dijelu. Nakon toga slijedi opis metode razvoja, treniranja i testiranja mreže na skupu podataka sa stranice Kaggle.com te dobiveni rezultati.
Sažetak (engleski)
Radiological imaging is significant in patient care regarding early disease diagnositics and treatment. With brain tumors and other brain diseases magnetic resonance imaging (MR) is the most frequently used method of imaging. Detecting and distinction of tumor structure within spatial and structural variability of brain tissue is challenging. Purpose of this thesis is to develope a model based on artificial intelligence, more precisely convolutional neural networks to distinguish three most common types of brain tumors: glioma, meningioma and pituitary tumor using magnetic resonance imaging and test four architectural types of neuron network: EfficientNet, ResNet50v2, Inception and Xception. The first part of thesis describes how MR device works and classifies brain tumors. The second part defines concept of AI, machine and deep learning, artificial neuron network and their usage in radiology. Architecture and function of convolutional neural networks are described in the third part. In the final part there are methods of develepment, training and testing of network made on the dataset from the Kaggle.com and final results.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:137:165084
Studijski programNaziv: Informatika; smjerovi: Informatika i Nastavni smjer informatike, Informatika, Nastavni smjer informatike
Smjer: Informatika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra informatike (mag. inf.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-09-27 22:15:13