|
|
|
|
| LEADER |
02734na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2019 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid6688
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Pluščec, Domagoj
|9 40753
|
| 245 |
1 |
0 |
|a Klasifikacija histopatoloških snimaka dijelova limfnih čvorova pomoću strojnog učenja :
|b diplomski rad /
|c Domagoj Pluščec ; [mentor Marko Čupić].
|
| 246 |
1 |
|
|a Classification of Histopathologic Scans of Lymph Node Sections Using Machine Learning
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b D. Pluščec,
|c 2019.
|
| 300 |
|
|
|a 42 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: 2019-06-28, datum završetka: 2019-07-10
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Prilikom analize histopatoloških slika ukazuje se potreba za automatiziranim sustavom koji bi mogao pomoći doktorima u analizi slika i dijagnostici. Takav sustav bi mogao povećati točnost i brzinu analize i dijagnostike.
U okviru ovog rada dan je pregled područja analize histopatoloških slika te je izrađena programska implementacija za klasifikaciju limfnih čvorova temeljena na strojnom učenju.
Za učenje i testiranje modela strojnog učenja korišten je skup podataka PatchCamelyon.
Ispitani su rezultati koje postižu sljedeći modeli dubokog učenja: AlexNet, ResNet, DenseNet i Inception-v3 te kako na njihove rezultate utječu tehnike proširenja skupa podataka. Konačno najboljim se pokazao model Inception-v3 koji je na skupu za testiranje postigao točnost od 89%.
|
| 520 |
3 |
|
|a Sažetak na engleskom: When analyzing histopathological images, there is a need for an automated system that could help doctors in image analysis and diagnostics. Such a system could increase the accuracy and speed of analysis and diagnostics.
Within this paper, an overview of the histopathological image analysis area is provided and a program implementation for the classification of lymph nodes based on machine learning has been developed.
PatchCamelyon dataset has been used for training and testing of chosen machine learning models.
The results of the following deep learning models have been studied: AlexNet, ResNet, DenseNet, Inception-v3. Also, the influence of different data augmentation methods on the model performance was investigated. Finally, the Inception-v3 model proved to be the best, which reached the 89% accuracy on the test set.
|
| 653 |
|
1 |
|a strojno učenje
|a analiza medicinskih slika
|a histopatologija
|
| 653 |
|
1 |
|a machine learning
|a medical image analysis
|a histopathology
|
| 700 |
1 |
|
|a Čupić, Marko
|4 ths
|9 31150
|
| 942 |
|
|
|c Y
|
| 999 |
|
|
|c 51466
|d 51466
|