Класифікація онкологічних захворювань шкіри методами напівкерованого навчання

Скорочена інформація про документ
dc.contributor.advisorДанилов, Валерій Якович
dc.contributor.authorЗарицький, Олексій Олексійович
dc.date.accessioned2024-03-04T09:05:49Z
dc.date.available2024-03-04T09:05:49Z
dc.date.issued2024
dc.description.abstractМагістерська дисертація: 131c., 27 рис., 13 табл., 1 додаток, 12 посилань. Об’єкт дослідження – ідентифікація ракових захворювань шкіри. Предмет дослідження – використання методів напівкерованого навчання для покращення якості глибоких нейронних мереж для датасетів з великим відсотком нерозмічених даних, дослідження ефективності різних методів напівкерованого навчання для задачі ідентифікації ракових захворювань шкіри. Мета роботи – використання різних методів напівкерованого навчання для тренування базової моделі та порівняння її ефективності на тестовій вибірці. У цій роботі досліджено застосовність різних методів semisupervised learning для прикладної задачі, а саме задачі класифікації ракових захворювань шкіри по фотографіям, визначено найефективніші та найстабільніші методи для даного класу задач. У якості базової моделі взято просту згорткову нейронну мережу, яка навчалася за допомогою методів Proxy Labeling, Democratic Co-train, MixMatch, Ladder Network у різних модифікаціях та з різними значеннями гіперпараметрів на датасеті HAM10000 із 10% та 5% розмічених даних у тренувальній вибірці. Метричні показники всіх навчених варіантів моделей було порівняно та використано для аналізу найефективнішого методу напівкерованого навчання для даної задачі. Найефективнішими та найстабільнішими методами виявилися Ladder Network та Democratic Co-Train з учителем ResNet18. Результати цієї роботи рекомендується використовувати для навчання класифікаційних моделей в медичних даних. Результати цієї роботи були апробовані на міжнародній конференції.
dc.description.abstractotherMaster's thesis: 131 p., 27 figures, 13 tables, 1 appendix, 12 references. Object of study - identification of skin cancers. The subject of the study is the use of semi-supervised learning methods to improve the quality of deep neural networks for datasets with a large percentage of unlabeled data, to study the effectiveness of various semi-supervised learning methods for the task of identifying skin cancers. The aim of this work is to use different semi-supervised learning methods to train the base model and compare its performance on a test set. This paper investigates the applicability of different semi-supervised learning methods for an applied problem, namely the task of classifying skin cancers from photographs, and identifies the most effective and stable methods for this class of problems. The base model is a simple convolutional neural network trained using Proxy Labeling, Democratic Co-train, MixMatch, Ladder Network in different modifications and with different values of hyperparameters on the HAM10000 dataset with 10% and 5% of labeled data in the training set. The metrics of all trained model variants were compared and used to analyze the most effective semi-supervised learning method for this task. The most effective and stable methods were Ladder Network and Democratic Co-Train with ResNet18 teacher. The results of this work are recommended for training classification models in medical data. The data of this work were tested at an international conference.
dc.format.extent136 с.
dc.identifier.citationЗарицький, О. О. Класифікація онкологічних захворювань шкіри методами напівкерованого навчання : магістерська дис. : 122 Комп'ютерні науки / Зарицький Олексій Олексійович. - Київ, 2024. - 136 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/65164
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectракові захворювання шкіри
dc.subjectнапівкероване навчання
dc.subjectзгорткові нейронні мережі
dc.subjectskin cancer
dc.subjectsemi-supervised learning
dc.subjectproxy labeling
dc.subjectco-train
dc.subjectladder network
dc.subjectmixmatch
dc.subjectconvolutional neural networks
dc.subject.udc004.85:004.93’1:61](043.3)
dc.titleКласифікація онкологічних захворювань шкіри методами напівкерованого навчання
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Zarytskyi_magistr.pdf
Розмір:
2.5 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ШІ)
Магістерські роботи