Detekce nádorů v CT snímcích pomocí neuronových sítí

Abstract

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.