Інтелектуальна система діагностики внутрішньочерепних аневризм за даними мультимодальних медичних зображень на основі мереж глибокого навчання

Скорочена інформація про документ
dc.contributor.advisorСидорський, Володимир Сергійович
dc.contributor.authorМеліка, Марія Сергіївна
dc.date.accessioned2026-09-08T12:08:38Z
dc.date.available2026-09-08T12:08:38Z
dc.date.issued2026
dc.description.abstractДипломна робота: 118 с., 22 рис., 10 табл., 77 посилань, 1 додаток. Об'єктом дослідження є процес автоматизованої діагностики внутрішньочерепних аневризм за даними мультимодальних медичних зображень. Предметом дослідження є методи глибокого навчання для детекції та анатомічної локалізації аневризм на КТА та МРА серіях. Метою роботи є розробка інтелектуальної системи для автоматизованої діагностики аневризм. Проаналізовано існуючі підходи до автоматизованої діагностики аневризм та виявлено обмеження комерційних систем. Розроблено чотириетапний пайплайн від DICOM серій до діагностичного звіту. Реалізовано Coarse-to-Fine сегментатор Вілізієвого кола — ансамбль BasicUNet досяг Dice 0.643 та Coverage 0.918. Проведено порівняння трьох архітектур детектора на датасеті RSNA 2025: найкращий результат показав Swin UNETR з MONAI SSL — AUC-ROC 0.703 для бінарної детекції та Macro AUC 0.641 для локалізації по 13 анатомічних зонах. Розроблено модуль генерації структурованого діагностичного звіту з візуалізацією маски судин Вілізієвого кола та ймовірною локалізацією аневризми. Система може використовуватись як інструмент підтримки прийняття рішень радіологом при аналізі медичних знімків. Напрямами подальших досліджень є повоксельна сегментація аневризм та валідація на зовнішніх датасетах.
dc.description.abstractotherBachelor's thesis: 118 p., 22 figures, 10 tables, 77 references, 1 appendix. The object of the study is the process of automated diagnosis of intracranial aneurysms from multimodal medical imaging data. The subject of research is deep learning methods for aneurysm detection and anatomical localization in CTA and MRA series. The purpose of the work is to develop a intelligent system for automated aneurysm detection and classification by anatomical localization. Existing approaches to automated aneurysm diagnosis were analyzed and limitations of commercial systems identified. A four-stage pipeline from DICOM series to diagnostic report was developed. A Coarse-to-Fine Circle of Willis segmentor was implemented — the BasicUNet ensemble achieved Dice 0.643 and Coverage 0.918. Three detector architectures were compared on the RSNA 2025 dataset: Swin UNETR with MONAI SSL achieved the best result — AUC-ROC 0.703 for binary detection and Macro AUC 0.641 for localization across 13 anatomical zones. A structured diagnostic report module was developed with Circle of Willis vessel mask visualization and probable aneurysm localization. The system can be used by radiologist as a decision support tool in medical image analysis.. Further research directions include voxel-level aneurysm segmentation and validation on external datasets.
dc.format.extent118 с.
dc.identifier.citationМеліка, М. С. Інтелектуальна система діагностики внутрішньочерепних аневризм за даними мультимодальних медичних зображень на основі мереж глибокого навчання : дипломна робота … бакалавра : 122 Комп'ютерні науки / Меліка Марія Сергіївна. – Київ, 2026. – 118 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82873
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectвнутрішньочерепна аневризма
dc.subjectдіагностика
dc.subjectкомп’ютерна нейровізуалізація
dc.subjectглибоке навчання
dc.subjectсегментація судин
dc.subjectswin unetr
dc.subjectcoarse-to-fine
dc.subjectанатомічна локалізація
dc.subjectмультимодальність
dc.subjectтрансферне навчання
dc.subjectintracranial aneurysm
dc.subjectcomputer-aided diagnosis
dc.subjectneuroimaging
dc.subjectdeep learning
dc.subjectvessel segmentation
dc.subjectswin unetr
dc.subjectcoarse-to-fine
dc.subjectanatomical localization
dc.subjectmultimodality
dc.subjecttransfer learning
dc.titleІнтелектуальна система діагностики внутрішньочерепних аневризм за даними мультимодальних медичних зображень на основі мереж глибокого навчання
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Melika_bakalavr.pdf
Розмір:
11.21 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 (ШІ)
Бакалаврські роботи