Сегментація сцинтиграфічних зображень пухлин головного мозку методом штучного інтелекту

Скорочена інформація про документ
dc.contributor.advisorНіколов, Микола Олександрович
dc.contributor.authorПоклонський, Роман Романович
dc.date.accessioned2026-01-19T11:01:16Z
dc.date.available2026-01-19T11:01:16Z
dc.date.issued2025
dc.description.abstractДипломна робота зосереджена на створенні системи штучного інтелекту для обробки та сегментації сцинтиграфічних зображень пухлин головного мозку з використанням комбінації алгоритмів глибокого навчання та статистичних підходів. Робота структурована у трьох ключових розділах, що охоплюють теоретичний аналіз, методологічну базу та отримані результати. Перший розділ присвячено аналізу літератури з питань сучасних методів сегментації. Вивчено традиційні та сучасні методи сегментації зображень, з акцентом на алгоритми, що враховують специфіку сцинтиграфії, зокрема низьку контрастність і неоднорідність даних. У другому розділі описано методологію дослідження. Детально розкрито розроблений алгоритм сегментації, який поєднує попередню обробку даних, статистичний аналіз та модель глибокого навчання на основі модифікованої архітектури U-Net. Також представлено схему роботи створеного програмного забезпечення. Третій розділ містить результати дослідження. Проведено оцінку ефективності розробленого алгоритму порівняно з базовими методами за такими показниками, як точність, чутливість і специфічність. Модифікована модель продемонструвала значне покращення швидкості сегментації. Результати зіставлено з даними попередніх досліджень, що підтвердило переваги запропонованого підходу. Робота підкреслює важливість інтеграції медичної візуалізації, комп’ютерних технологій і статистичних методів, демонструючи потенціал штучного інтелекту.
dc.description.abstractotherThe thesis focuses on developing an artificial intelligence system for processing and segmenting scintigraphic images of brain tumors using a combination of deep learning algorithms and statistical approaches. The work is structured into three key sections, covering theoretical analysis, methodological framework, and obtained results. The first section is dedicated to a literature review on modern segmentation methods. It examines traditional and contemporary image segmentation techniques, emphasizing algorithms tailored to the specifics of scintigraphy, such as low contrast and data heterogeneity. The second section describes the research methodology. A dataset of scintigraphic images from patients with brain tumors was used. The developed segmentation algorithm, which integrates data preprocessing, statistical analysis, and a deep learning model based on a modified U-Net architecture, is detailed. This model is optimized for low-contrast images typical of scintigraphy. The workflow of the developed software is also presented. The third section presents the research results. The effectiveness of the proposed algorithm was evaluated against baseline methods using metrics such as accuracy, sensitivity, and specificity. The modified model demonstrated significant improvements in segmentation speed. The results were compared with prior studies, confirming the advantages of the proposed approach. The thesis highlights the importance of integrating medical imaging, computer technologies, and statistical methods, showcasing the potential of artificial intelligence.
dc.format.extent92 с.
dc.identifier.citationПоклонський, Р. Р. Сегментація сцинтиграфічних зображень пухлин головного мозку методом штучного інтелекту : дипломна робота … бакалавра : 153 Мікро- та наносистемна техніка / Поклонський Роман Романович. – Київ, 2025. – 92 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78214
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectпухлина
dc.subjectмозок
dc.subjectнейромережа
dc.subjectсегментація
dc.subjectсцинтиграфія
dc.titleСегментація сцинтиграфічних зображень пухлин головного мозку методом штучного інтелекту
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Poklonskyi_bakalavr.pdf
Розмір:
3.58 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 (ЕІ)
Бакалаврські роботи