Метод та програмне забезпечення сегментації зображень комп’ютерної томографії

Скорочена інформація про документ
dc.contributor.advisorШкурат, Оксана Сергіївна
dc.contributor.authorЗвєрєв, Костянтин Васильович
dc.date.accessioned2025-10-16T08:36:04Z
dc.date.available2025-10-16T08:36:04Z
dc.date.issued2025
dc.description.abstractДана магістерська дисертація присвячена розробленню та реалізації програмного методу сегментації медичних цифрових зображень комп’ютерної томографії. У ході роботи було проаналізовано існуючі підходи та методи сегментації цифрових медичних зображень, а також запропоновано вдосконалений метод сегментації зображень комп’ютерної томографії. Запропонований підхід базується на використанні методу покращення контрастності CLAHE, моделі глибинного навчання архітектури ResNet50 та ймовірнісної моделі зі зваженими параметрами для інтеграції знань із послідовності сегментованих зображень. Це дозволило підвищити точність сегментації за метриками IoU, Dice та Recall на понад 5,62%, 5,54% та 11,9% відповідно. Практичне значення отриманих результатів полягає в тому, що розроблений метод і відповідне програмне забезпечення можуть бути використані медичними фахівцями як інструмент підтримки прийняття рішень. Розроблене програмне забезпечення має графічний інтерфейс і дає змогу ефективно виділяти об’єкти інтересу на зображеннях комп’ютерної томографії.
dc.description.abstractotherThis master's thesis is dedicated to the development and implementation of a software-based method for the segmentation of medical digital images obtained through computed tomography. During the course of the research, various existing approaches and methods for medical image segmentation were analyzed. A novel segmentation method for computed tomography images was proposed, which is based on the application of Contrast Limited Adaptive Histogram Equalization (CLAHE), a deep learning model using the ResNet50 architecture, and a probabilistic model with weighted parameters to integrate knowledge from a sequence of segmented images. This approach enabled an improvement in segmentation accuracy by more than 5.62%, 5.54%, and 11.9% according to the IoU, Dice, and Recall metrics, respectively. The practical significance of the obtained results lies in the fact that the proposed method and the developed software can be used by medical professionals as a decision-support tool. The application features a graphical user interface that enables efficient extraction of objects of interest from computed tomography images.
dc.format.extent140 с.
dc.identifier.citationЗвєрєв, К. В. Метод та програмне забезпечення сегментації зображень комп’ютерної томографії : магістерська дис. : 121 Інженерія програмного забезпечення / Звєрєв Костянтин Васильович. – Київ, 2025. – 140 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76891
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectінженерія програмного забезпечення
dc.subjectсегментація зображень
dc.subjectзалишкові нейронні мережі
dc.subjectглибокі згорткові нейронні мережі
dc.subjectвирівнювання гістограми контрасту зображення
dc.subjectAtrous Spatial Pyramid Pooling
dc.subjectConditional Random Fields
dc.subject.udc004.42:004.932
dc.titleМетод та програмне забезпечення сегментації зображень комп’ютерної томографії
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Zviereiv_magistr.pdf
Розмір:
6.38 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 (ПЗКС)
Бакалаврські роботи