Detekce, klasifikace a hledání korespondencí kožních lézí

Abstract

Cieľom tejto práce je vytvoriť pipeline na detekciu a klasifikáciu kožných lézií v rozsiahlych snímkach pomocou modelov klasifikácie obrazu a detekcie objektov založených na konvolučných neurónových sieťach a hlbokom učení. Prvá časť práce je zameraná na teoretické východiská počítačového videnia a metód hlbokého učenia pri klasifikácii obrazu a detekcii objektov. Potom opisujeme state-of-the-art v diagnostike kože pomocou metód počítačového videnia. Trénujeme a vyhodnocujeme výkonnosť state-of-the-art metód klasifikácie obrazu a modelov detekcie objektov na snímkach kožných lézií. Vytvárame vlastný dataset snímok kožných lézií a testujeme výkonnosť modelu detekcie objektov na tomto súbore údajov. Nakoniec spojíme modely klasifikácie obrazu a detekcie objektov do jedného pipeline-u, ktorý sa dá použiť na detekciu klasifikáciu kožných lézií na snímkach kože bez akejkoľvek manuálnej intervencie používateľa.This thesis aims to create a pipeline for the detection and classification of skin lesions in wide-area images using CNN-based image classification and object detection models. The first part of the thesis is focused on the theoretical background of computer vision and deep learning methods in image classification and object detection. Then we describe the state-of-the-art in skin diagnosis using computer vision methods. We train and evaluate the performance of state-of-the-art image classification and object detection models on skin lesion images. We also create our own dataset of wide area skin lesion images and test the performance of the object detection model on this dataset. Lastly, we combine the image classification and object detection models into a fully-automated pipeline, which can be used to classify skin lesions in wide-area images without any manual intervention.