Інтелектуальна система сегментації та класифікації меланоми на основі дерматоскопічних зображень

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorГлущенко, Владислава Вікторівна
dc.date.accessioned2025-09-22T08:28:00Z
dc.date.available2025-09-22T08:28:00Z
dc.date.issued2025
dc.description.abstractДипломна робота містить: 122 с., 7 табл., 33 рис., 2 дод., 28 джерел. Метою роботи є розробка інтелектуальної системи для автоматизованої сегментації та класифікації меланоми на основі дерматоскопічних зображень з використанням сучасних моделей глибокого навчання. Отримані результати можуть бути застосовані в медичній практиці для ранньої діагностики шкірних новоутворень. Об’єктом дослідження є зображення шкірних уражень, що можуть містити ознаки меланоми. Предметом дослідження є методи глибинного навчання, що використовуються для сегментації та класифікації медичних зображень. Під час роботи було реалізовано прототип програмного забезпечення на Python з використанням архітектур U-Net, DeepLabV3+ та PSPNet, а також класифікаторів ResNet та DenseNet. Експерименти проводилися з використанням набору даних ISIC-2018. Продуктивність моделі оцінювалася за допомогою метрик Dice, IoU, Precision, Recall та F1-score. Крім того, було проведено функціонально-вартісний аналіз програмного рішення та обґрунтовано перспективи його практичного використання.
dc.description.abstractotherThe thesis contains: 122 pages, 7 tables, 33 figures, 2 appendices, 28 references. The aim of the thesis is to develop an intelligent system for automated segmentation and classification of melanoma based on dermatoscopic images using state-of-the-art deep learning models. The results obtained can be applied in medical practice for the early diagnosis of skin lesions. The object of the research is dermatoscopic images that may contain signs of melanoma. The subject of the research is deep learning methods used for medical image segmentation and classification. During the work, a software prototype was implemented in Python using U-Net, DeepLabV3+, and PSPNet architectures, along with ResNet and DenseNet classifiers. Experiments were conducted using the ISIC-2018 dataset. Model performance was evaluated with Dice, IoU, Precision, Recall, and F1-score metrics. Additionally, a functional-cost analysis of the software solution was performed, and the prospects for its practical use were substantiated.
dc.format.extent122 с.
dc.identifier.citationГлущенко, В. В. Інтелектуальна система сегментації та класифікації меланоми на основі дерматоскопічних зображень : дипломна робота … бакалавра : 124 Системний аналіз / Глущенко Владислава Вікторівна. – Київ, 2025. – 122 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76203
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectмеланома
dc.subjectсегментація зображень
dc.subjectкласифікація
dc.subjectдерматоскопія
dc.subjectглибинне навчання
dc.subjectштучний інтелект
dc.titleІнтелектуальна система сегментації та класифікації меланоми на основі дерматоскопічних зображень
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Glushchenko_bakalavr.pdf
Розмір:
28 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

Бакалаврські роботи (ММСА)
Бакалаврські роботи