ČVUT DSpace
  • Prohledat DSpace
  • English
  • Přihlásit se
  • English
  • English
Zobrazit záznam 
  •   ČVUT DSpace
  • České vysoké učení technické v Praze
  • Fakulta informačních technologií
  • katedry
  • katedra aplikované matematiky
  • Bakalářské práce - 18105
  • Zobrazit záznam
  • České vysoké učení technické v Praze
  • Fakulta informačních technologií
  • katedry
  • katedra aplikované matematiky
  • Bakalářské práce - 18105
  • Zobrazit záznam
JavaScript is disabled for your browser. Some features of this site may not work without it.

Detekce nádorů v CT snímcích pomocí neuronových sítí

Tumor detection in CT images using Neural Networks

Typ dokumentu
bakalářská práce
bachelor thesis
Autor
Tomáš Detko
Vedoucí práce
Žitný Jakub
Oponent práce
Friedjungová Magda
Studijní obor
Znalostní inženýrství
Studijní program
Informatika
Instituce přidělující hodnost
katedra aplikované matematiky



Práva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznam
Abstrakt
Zlepšovanie a vyvíjanie nových algoritmov v oblasti machine learningu za-sahuje do každodenného života. So zvyšovaním výkonu a veľkosti datasetovsa úlohy, ktoré boli v minulosti pokladané za nedosiahnuteľné méty, stávajúuchopiteľné a zvládnuteľné. Segmentácia objektov patrí v dnešnej dobe medzibežné úlohy strojového videnia. Má veľké využitie v technológií samojazdiacíchaút, priemysle, obchode a zdravotníctve.Táto práca si kladie za cieľ navrhnutie, natrénovanie a porovnanie výkon-nosti modelu s ostatnými State-of-the-art modelmi vrámci segmentácie CTskenov pacientov. Podáva teoretický základ a oboznamuje čitateľa. V práci jeveľký dôraz kladený na celkovým procesom vývoja takýchto modelov. Ukazujesa, že prototyp navrhnutej neurónovej siete dosahuje vepšie výsledky výsledkyako neurónové siete o väčšom počte parametrov.
 
Improving and developing new algorithms in the field of machine learninghas impact on everyday life. As the performance and size of datasets increase,tasks that were previously considered unattainable metas become comprehen-sible and manageable. Object segmentation is one of the most common tasksof computer vision today. It is widely used in car technology, industry, tradeand healthcare.This work aims to design, train and compare the performance of the modelwith other State-of-the-art models within the segmentation of CT scans of pa-tients. It provides a theoretical basis and acquaints the reader. In this work,great emphasis is placed on the overall process of development of machinelearning models. It turns out that the prototype of the proposed neural net-work achieves better results than neural networks with a larger number ofparameters.
 
URI
http://hdl.handle.net/10467/88150
Zobrazit/otevřít
PLNY_TEXT (4.736Mb)
POSUDEK (136.7Kb)
POSUDEK (136.9Kb)
Kolekce
  • Bakalářské práce - 18105 [369]

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Kontaktujte nás | Vyjádření názoru
Theme by 
@mire NV
 

 

Užitečné odkazy

ČVUT v PrazeÚstřední knihovna ČVUTO digitální knihovně ČVUTInformační zdrojePodpora studiaPodpora publikování

Procházet

Vše v DSpaceKomunity a kolekceDle data publikováníAutořiNázvyKlíčová slovaTato kolekceDle data publikováníAutořiNázvyKlíčová slova

Můj účet

Přihlásit se

České vysoké učení technické v Praze copyright © 2016 

DSpace software copyright © 2002-2016  Duraspace

Kontaktujte nás | Vyjádření názoru
Theme by 
@mire NV