prikaz prve stranice dokumenta Primjena metoda umjetne inteligencije za klasifikaciju medicinskih slika
Pristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
diplomski rad
Primjena metoda umjetne inteligencije za klasifikaciju medicinskih slika
2021. urn:nbn:hr:179:154092
Krstanović, Delfa
Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
Zavod za elektroniku i računarstvo

Citirajte ovaj rad

Krstanović, D. (2021). Primjena metoda umjetne inteligencije za klasifikaciju medicinskih slika (Diplomski rad). Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:179:154092

Krstanović, Delfa. "Primjena metoda umjetne inteligencije za klasifikaciju medicinskih slika." Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:179:154092

Krstanović, Delfa. "Primjena metoda umjetne inteligencije za klasifikaciju medicinskih slika." Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:179:154092

Krstanović, D. (2021). 'Primjena metoda umjetne inteligencije za klasifikaciju medicinskih slika', Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, citirano: 16.11.2024., https://urn.nsk.hr/urn:nbn:hr:179:154092

Krstanović D. Primjena metoda umjetne inteligencije za klasifikaciju medicinskih slika [Diplomski rad]. Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje; 2021 [pristupljeno 16.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:154092

D. Krstanović, "Primjena metoda umjetne inteligencije za klasifikaciju medicinskih slika", Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, Split, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:154092

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:179:154092
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovPrimjena metoda umjetne inteligencije za klasifikaciju medicinskih slika
Naslov (engleski)Application of artificial intelligence methods for classification of medical images
AutorDelfa Krstanović
MentorJosip Musić https://orcid.org/0000-0002-9185-5762 (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
(Zavod za elektroniku i računarstvo )
Split
Datum i država obrane2021-09-21, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
Pojam klasifikacije slike odnosi se na analizu i identifikaciju klase kojoj ta slika pripada. Za klasifikaciju slika uglavnom se koriste konvolucijske neuronske mreže. U radu su klasificirane medicinske slike oboljenja kože, koje su podijeljene u dvije klase: maligno i benigno. Za klasifikaciju su korištene tri standardne arhitekture neuronskih mreža: MobileNet, ResNet50 i InceptionV3. Sve su mreže trenirane prvo na izvornom skupu podataka. Zbog neravnoteže među klasama, klasa benigno ima puno više slika od klase maligno, rezultati tijekom treninga nad takvim podacima su lošiji u pogledu klasifikacije klase maligno. Nakon provedene augmentacije MobileNet i ResNet50 pokazuje prihvatljive rezultate. Za razliku od njih model InceptionV3 postiže u oba slučaja loše rezultate.
Sažetak (engleski)
The term image classification refers to the analysis and identification of the class to which that image belongs. Convolutional neural networks are mainly used for image classification. The paper classifies medical images of skin diseases, which are divided into two classes: malignant and benign. Three standard neural network architectures were used for classification: MobileNet, ResNet50, and InceptionV3. All networks were trained first on the original data set. Due to the imbalance between classes, the benign class has a lot more images than the malignant class, the results during training over such data are worse in terms of malignant class classification. After augmentation, MobileNet and ResNet50 show acceptable results. In contrast, the InceptionV3 achieves poor results in both cases.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:179:154092
Studijski programNaziv: Automatika i sustavi
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka automatike i sustava (mag. ing. el.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2022-06-14 11:31:19