Detekce poruch v rentgenových snímcích pomocí neuronových sítí
Detecting abnormalities in X-Ray images using Neural Networks
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Uladzislau Yorsh
Vedoucí práce
Žitný Jakub
Oponent práce
Kalvoda Tomáš
Studijní obor
Znalostní inženýrstvíStudijní program
InformatikaInstituce přidělující hodnost
katedra aplikované matematikyPráva
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.htmlVysokoškolská 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 záznamAbstrakt
Současný přístup k diagnostice a hodnocení poškození kloubů reumatoidní artritidou je vizuální inspekce rentgenových snímků radiologem, která je obecně drahá, časově náročná a subjektivní. Automatické hodnotící systémy jsou jedním ze spůsobů tyto problémy překonat a zavést do radiologických zpráv více objektivity spolu s rychlejším vyčíslením škody. Možnost vytvoření takového systému bude ukázána na příkladu účasti v RA2 DREAM Challenge. V rámci soutěže na základě několika moderních architektur konvolučních neuronových sítí bude vyvinut systém, který později bude ohodnocen na vypočetním clusteru Cheaha University of Alabama at Birmingham. The current approach to the diagnosis and quantification of the joint damage caused by rheumathoid arthritis is a manual radiographic image inspection by a radiologist, which is generally expensive, time-consuming and subjective. Automated assessment systems are a way to overcome this problems and introduce more objectivity into radiology reports, coupled with a faster damage quantifying. The possibility of such a system development will be shown on the example of a participation in RA2 DREAM Challenge. As a part of the competition, the system utilizing several state-of-art convolutional neural net architectures will be developed and scored on the University of Alabama at Birmingham Cheaha supercomputing system.
Kolekce
- Bakalářské práce - 18105 [244]