Rozšíření dat v inferenčním režimu pro zvýšení klasifikační přesnosti systému automatického hodnocení vývojových fází kardiomyocytů

Simple item page
but.committeeprof. Ing. Dagmar Janáčová, CSc. (předseda) doc. Ing. Václav Jirsík, CSc. (místopředseda) prof. RNDr. Ing. Miloš Šeda, Ph.D. (člen) doc. Ing. Jiří Jaroš, Ph.D. (člen) doc. Ing. Miloš Hammer, CSc. (člen)cs
but.defenceStudent sebevědomě prezentoval výsledky své diplomové práce. Otázky oponenta byly zodpovězeny. Následovala diskuse s komisí. Doc. Jirsík se dotazoval na porovnání přesnosti klasifikací s experty v medicíně.cs
but.jazykčeština (Czech)
but.programAplikovaná informatika a řízenícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorŠkrabánek, Pavelcs
dc.contributor.authorPakr, Jiřícs
dc.contributor.refereeŠťastný, Jiřícs
dc.date.accessioned2023-07-17T08:08:01Z
dc.date.available2023-07-17T08:08:01Z
dc.date.created2023cs
dc.description.abstractTato práce se věnuje rešerši technik rozšíření dat v inferenčním režimu a následné aplikaci na převzatý systém automatického hodnocení vývojových fází kardiomyocytů s cílem zvýšení jeho přesnosti pro praktické aplikace. Tyto techniky spočívají v agregaci predikcí modelu strojového učení přes více rozšířených vzorků dat, čímž přispívá k zlepšení robustnosti predikcí. Bylo navrženo několik metod, které se snaží získat co největší nárůst přesnosti nebo berou v úvahu kompromis mezi výpočetní složitostí a ziskem na přesnosti.cs
dc.description.abstractThis thesis studies techniques of test-time augmentation and their application to the adopted system of automatic assessment of cardiomyocyte developmental stages in order to increase its accuracy for practical applications. These techniques consist of aggregating the predictions of a machine learning model across multiple augmented samples of data, consequently contributing to improve the robustness of the predictions. Several methods have been proposed that attempt to obtain the topmost increase in accuracy or take into account the trade-off between computational complexity and accuracy gains.en
dc.description.markAcs
dc.identifier.citationPAKR, J. Rozšíření dat v inferenčním režimu pro zvýšení klasifikační přesnosti systému automatického hodnocení vývojových fází kardiomyocytů [online]. Brno: Vysoké učení technické v Brně. Fakulta strojního inženýrství. 2023.cs
dc.identifier.other148891cs
dc.identifier.urihttp://hdl.handle.net/11012/212254
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta strojního inženýrstvícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectRozšíření dat v inferenčním režimucs
dc.subjecthluboké učenícs
dc.subjectkonvoluční neuronové sítěcs
dc.subjectobrazové technikycs
dc.subjectsnímky buněkcs
dc.subjectTest-Time Augmentationen
dc.subjectdeep learningen
dc.subjectconvolutional neural networksen
dc.subjectimage techniquesen
dc.subjectcell imagesen
dc.titleRozšíření dat v inferenčním režimu pro zvýšení klasifikační přesnosti systému automatického hodnocení vývojových fází kardiomyocytůcs
dc.title.alternativeTest time augmentation for increasing the classification accuracy of a system aimed at automatic assessment of cardiomyocyte development stagesen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-20cs
dcterms.modified2023-06-20-16:49:07cs
eprints.affiliatedInstitution.facultyFakulta strojního inženýrstvícs
sync.item.dbid148891en
sync.item.dbtypeZPen
sync.item.insts2023.07.17 10:08:01en
sync.item.modts2023.07.17 09:31:42en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta strojního inženýrství. Ústav automatizace a informatikycs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
8.7 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
21.65 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_148891.html
Size:
8.79 KB
Format:
Hypertext Markup Language
Description:
review_148891.html
Download
Collections
2023