Metode strojnog učenja za analizu fMRI/DTI slika

U ovom diplomskom radu istraţeno je podruĉje snimanja neuralnog sustava korištenjem funkcionalne magnetske rezonancije s osvrtom na metode strojnog uĉenja koriste pri obradi fMRI slika. Odabrana je prikladna eksperimentalna paradigma za procjenu rezilijantnosti pojedinca te je izvršen eksperiment ĉi...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:44933/Details
Glavni autor: Sluganović, Ivo (-)
Ostali autori: Lončarić, Sven (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, I. Sluganović, 2014.
LEADER 02233na a2200205 4500
003 HR-ZaFER
005 20160516012004.0
008 160221s2014 ci ||||| m||| 00| 0 d
035 |a (HR-ZaFER)ferid1664 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Sluganović, Ivo  |9 35328 
245 |a Metode strojnog učenja za analizu fMRI/DTI slika :  |b diplomski rad /  |c Ivo Sluganović ; [mentor Sven Lončarić]. 
246 1 |a Machine learning methods for fMRI/DTI image analysis  |i Naslov na engleskom:  
260 |a Zagreb,  |b I. Sluganović,  |c 2014. 
502 |b diplomski studij  |c Fakultet elektrotehnike i računarstva u Zagrebu  |g smjer: Obradba informacija, šifra smjera: 51, datum predaje: 2014-02-07, datum završetka: 2014-02-28 
520 |a U ovom diplomskom radu istraţeno je podruĉje snimanja neuralnog sustava korištenjem funkcionalne magnetske rezonancije s osvrtom na metode strojnog uĉenja koriste pri obradi fMRI slika. Odabrana je prikladna eksperimentalna paradigma za procjenu rezilijantnosti pojedinca te je izvršen eksperiment ĉiji je dizajn temeljen na dogaĊajima (eng. „event based design“). Konaĉno, dan je pregled postupaka pripreme i obrade podataka u kojem je procijenjen impulsni odziv hemodinamiĉke funkcije odreĊenih voksela. Dobiveni rezultati slaţu se s oĉekivanjima, iz ĉega slijedi da je metodologija odabranog eksperimenta i obrade podataka uspješno usvojena. Ključne riječi: strojno uĉenje; funkcionalna magnetska rezonanca; rezilijantnost; stres 
520 |a This thesis gives an overview of the methods in the functional magnetic resonance imaging, along with the machine learning methods used in fMRI data analysis. An experimental paradigm was chosen with the goal of assessing and predicting individual’s resiliency level and an experiment was carried out with an event-based design. Finally, the process of estimating individual’s haemodynamic response function was explained. The received results confirmed the expectations, and a conclusion follows that the chosen methodology was successfully implemented. Keywords: Machine learning; functional magnetic resonance imaging, resilience; stress 
700 1 |a Lončarić, Sven  |4 ths  |9 5663 
942 |c Y  |2 udc 
999 |c 44933  |d 44933