Система сегментації COVID-19 за допомогою моделі на основі трансформеру

Скорочена інформація про документ
dc.contributor.advisorНастенко, Євген Арнольдович
dc.contributor.authorОлексенко, Ілля Олегович
dc.date.accessioned2024-02-19T13:11:24Z
dc.date.available2024-02-19T13:11:24Z
dc.date.issued2023
dc.description.abstractАктуальність теми. В останні декілька років поширеність моделі штучного інтелекту трансформер набула надзвичайних масштабів. Ефективність цієї моделі та вражаючі результати систем побудованих на її основі набули широкого розголосу та привернули увагу не тільки наукової спільноти, а й усього світу. Не зважаючи на те, що ця архітектура була створена для галузі обробки природної мови, вона швидко розповсюдилась і на інші області штучного інтелекту. Особливо цікавою є перспектива застосування цієї технології у області сегментації медичних зображень, де вже багато років одноосібно домінує модель U-Net та її модифікації. Архітектура трансформер базується навколо механізму уваги, який славиться своїм умінням розраховувати глибокі просторові ознаки, які недоступні повністю згортковим моделям, до яких належить U-Net. Особливо перспективним є використання трансформеру в задачі сегментації COVID-19 в КТ зображеннях, де оперування глибокими просторовими ознаками може значно підвищити якість вихідних сегментаційних масок. Мета і завдання роботи. Метою роботи є застосування нейронних мереж на базі архітектури трансформер до задачі сегментування COVID-19 в зображеннях комп'ютерної томографії та порівняння результатів точності таких моделей з традиційними, повністю згортковими мережами
dc.description.abstractotherActuality of theme. In the last few years, the spread of the transformer artificial intelligence model has gained extraordinary proportions. The effectiveness of this model and the impressive results of the systems built on its basis gained wide publicity and attracted the attention of not only the scientific community, but also the whole world. Despite the fact that this architecture was created for the field of natural language processing, it quickly spread to other areas of artificial intelligence. The prospect of using this technology in the field of medical image segmentation, where the U-Net model and its modifications have been single-handedly dominant for many years, is particularly interesting. The transformer architecture is based around the attention mechanism, which is famous for its ability to compute deep spatial features that are inaccessible to fully convolutional models, to which U-Net belongs. The use of the transformer in the task of segmentation of COVID-19 in CT images is especially promising, where operating with deep spatial features can significantly improve the quality of the initial segmentation masks. The purpose and tasks of the work. The purpose of the work is to apply neural networks based on the transformer architecture to the task of segmenting COVID-19 in computed tomography images and comparing the accuracy results of such models with traditional, fully convolutional networks.
dc.format.extent69 с.
dc.identifier.citationОлексенко, І. О. Система сегментації COVID-19 за допомогою моделі на основі трансформеру : дипломна робота ... бакалавра : 122 Комп’ютері науки / Олексенко Ілля Олегович. – Київ, 2023. – 69 с
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/64694
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectCOVID-19
dc.subjectкомп’ютерна томографія
dc.subjectсегментація
dc.subjectзгорткова мережа
dc.subjectтрансформер
dc.subjectрецептивне поле
dc.subjectмеханізм уваги
dc.subjectcomputed tomography
dc.subjectsegmentation
dc.subjectconvolutional network
dc.subjecttransformer
dc.subjectreceptive field
dc.subjectattention mechanism
dc.titleСистема сегментації COVID-19 за допомогою моделі на основі трансформеру
dc.title.alternativeSegmentation system for COVID-19 using a transformer-based model
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
OleksenkoIO_BC-93_bakalavr_2023.pdf
Розмір:
1.46 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 (БМК)
COVID-19
Бакалаврські роботи