Моделі виявлення та сегментація пухлин головного мозку на знімках МРТ за допомогою глибинних нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorШаповал, Наталія Віталіївна
dc.contributor.authorШевченко, Владислав Вадимович
dc.date.accessioned2023-10-16T09:45:04Z
dc.date.available2023-10-16T09:45:04Z
dc.date.issued2023
dc.description.abstractДипломна робота: 97 с., 9 табл., 31 рис., 2 додатки, 16 джерел. ПУХЛИНА МОЗКУ, МРТ, ГЛИБОКЕ НАВЧАННЯ, ЗГОРТКОВІ НЕЙРОННІ МЕРЕЖІ, ТРАНСФЕРНЕ НАВЧАННЯ, ЗАЛИШКОВЕ НАВЧАННЯ, ЗАДАЧА КЛАСИФІКАЦІЇ, ЗАДАЧА СЕГМЕНТАЦІЇ. Об’єкт дослідження – знімки магнітно-резонансної томографії головного мозку людини. Предмет дослідження – методи обробки зображень, мережі для класифікації знімків та сегментації пухлин головного мозку. Мета роботи – розробка програмного продукту для класифікації знімків головного мозку та у разі виявлення новоутворень їх сегментація з використанням методів глибокого навчання. Результати – для задачі виявлення пухлини навчено моделі ResNet-50, VGG-16, DenseNet та запропоновану модель. Для задачі сегментації – ResUnet, ResUnet++ та Attention U-Net. Моделі з найкращими результатами метрик якості використано при реалізації програмного продукту на мові програмування Python, який дозволяє класифікувати зображення магнітно-резонансної томографії головного мозку та виділяти пухлину на знімках, якщо вона існує.uk
dc.description.abstractotherThesis: 97 p., 9 tabl., 31 fig., 2 appendices, 16 sources. BRAIN TUMOR, DEEP LEARNING, CONVOLUTIONAL NEURAL NETWORKS, TRANSFER LEARNING, RESIDUAL LEARNING, CLASSIFICATION TASK, SEGMENTATION TASK. The object of the research is magnetic resonance imaging (MRI) scans of the human brain. The subject of the research is image processing methods, networks for classification of brain MRI scans and tumor segmentation. The purpose of the work is development of a software product for brain MRI image classification and tumor segmentation using deep learning methods. Results are basic models ResNet-50, VGG-16, DenseNet, and a proposed model were used for classification, while ResUnet, ResUnet++ and Attention U-Net were used for segmentation. The models with the best quality metrics were used in the implementation of the software product in Python, which allows for classification of brain MRI images and identification of tumors on the scans if present.uk
dc.format.extent97 с.uk
dc.identifier.citationШевченко, В. В. Моделі виявлення та сегментація пухлин головного мозку на знімках МРТ за допомогою глибинних нейронних мереж : дипломна робота ... бакалавра : 124 Системний аналіз / Шевченко Владислав Вадимович. – Київ, 2023. – 97 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/61409
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectпухлина мозкуuk
dc.subjectмртuk
dc.subjectглибоке навчанняuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectтрансферне навчанняuk
dc.subjectзалишкове навчанняuk
dc.subjectзадача класифікаціїuk
dc.subjectзадача сегментаціїuk
dc.subjectbrain tumoruk
dc.subjectdeep learninguk
dc.subjectconvolutional neural networksuk
dc.subjecttransfer learninguk
dc.subjectresidual learninguk
dc.subjectclassification taskuk
dc.subjectsegmentation taskuk
dc.titleМоделі виявлення та сегментація пухлин головного мозку на знімках МРТ за допомогою глибинних нейронних мережuk
dc.typeBachelor Thesisuk

Файли

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

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи