|
|
|
|
| LEADER |
02886na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2017 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid5257
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Lukač, Andrea
|
| 245 |
1 |
0 |
|a Procjena stadija dijabetičke retinopatije u slikama očne pozadine pomoću dubokih neuronskih mreža :
|b diplomski rad /
|c Andrea Lukač ; [mentor Marko Subašić].
|
| 246 |
1 |
|
|a Diabetic Retinopathy Stage Estimation from Retinal Photographs Using Deep Neural Networks
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b A. Lukač,
|c 2017.
|
| 300 |
|
|
|a 52 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b diplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Računarska znanost, šifra smjera: 56, datum predaje: 2017-06-29, datum završetka: 2017-07-07
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: U ovom su radu primijenjene konvolucijske neuronske mreže za analizu slika očne
pozadine. Postupak analize ovakvih slika ključan je kako bi se pravovremeno detek-
tirala dijabetička retinopatija čiji se simptomi manifestiraju na očnoj pozadini. Za
problem segmentacije krvnih žila korištene su potpuno konvolucijske mreže. Model je
treniran i testiran na DRiDB [26] bazi slika te su izmjereni odlični rezultati. U svrhu
procjene stadija dijabetičke retinopatije konstruirana je konvolucijska mreža za klasi-
fikaciju. Dobiveni model je treniran na bazi slika iz [29]. Testni rezultati pokazali su
se obećavajućima za problem koji nije jednostavan. Dodatno je uvedena rezidualnost
u arhitekturu što je dovelo do malo boljih rezultata. Pokazano je da se za dva različita
problema može koristiti slična arhitektura uz odred̄ene modifikacije.
|
| 520 |
3 |
|
|a Sažetak na engleskom: In this paper, convolutional neural networks were exploited for retinal image analysis.
Procedure of analyzing this kind of images is crucial in order to promptly detect diabe-
tic retinopathy, whose symptoms manifest on retina. For the blood vessel segmentation
problem, fully convolutional networks were used. The model was trained and tested on
DRiDB [26] image dataset and great results were measured. In purpose of assessment
of diabetic retinopathy stage we constructed a convolutional network for classification.
Resulting model was trained on the dataset from [29]. Test results have shown as pro-
mising for the problem that is not simple. Additionally, residuality was introduced in
the architecture which led to slightly better results. It has been shown that a similar
architecture with certain modifications can be used for two different problems.
|
| 653 |
|
1 |
|a segmentacija
|a dijabetička retinopatija
|a klasifikacija
|a duboke neuronske mreže
|a očna pozadina
|
| 653 |
|
1 |
|a segmentation
|a diabetic retinopathy
|a classification
|a deep neural networks
|a retina
|
| 700 |
1 |
|
|a Subašić, Marko
|4 ths
|
| 942 |
|
|
|c Y
|
| 999 |
|
|
|c 49327
|d 49327
|