Generování obrázků sítnice s omezeným množstvím trénovacích dat

Simple item page
but.committeedoc. Ing. František Zbořil, Ph.D. (předseda) Ing. Libor Polčák, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) doc. Ing. Vítězslav Beran, Ph.D. (člen) Ing. Radek Hranický, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B.cs
but.jazykčeština (Czech)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorKavetskyi, Andriics
dc.contributor.authorSenichak, Yahorcs
dc.contributor.refereeSemerád, Lukášcs
dc.date.created2024cs
dc.description.abstractÚčelem této studie je prozkoumat pokrok a aplikaci počítačového vidění a generativních adversariálních sítí (GAN 3.1) v diagnostice a studiu onemocnění očního pozadí. Zvláštní pozornost je věnována nejnovějším pokrokům v oblasti syntézy medicínských dat a vývoji vlastního algoritmu. Byla provedena implementace nejnovějších pokroků v oblasti architektury hlubokého učení U-GAT-IT [22], která zahrnuje dva páry hlubokých neuronových sítí (dva generátory a dva diskriminátory). Tato implementace prošla tréninkem po dobu přibližně 300 000 iterací, během kterých byly dosaženy pozitivní výsledky. Byla zaznamenána dynamika procesu tréninku a provedeny testy, které prokázaly schopnost generovat kvalitní syntetické snímky očního pozadí nezávisle na vstupních datech.cs
dc.description.abstractThe purpose of this study is to explore the progress and application of computer vision and generative adversarial networks (GANs3.1) in the diagnosis and study of fundus diseases. Particular attention is paid to the latest advances in the field of medical data synthesis and the development of our own algorithm. Recent advances in the deep learning architecture U-GAT-IT [22], which includes two pairs of deep neural networks (two generators and two discriminators), have been implemented. This implementation was trained for approximately 300,000 iterations, during which positive results were obtained. The dynamics of the training process were recorded and tests were performed to demonstrate the ability to generate high-quality synthetic images of the ocular background independent of the input dataen
dc.description.markBcs
dc.identifier.citationSENICHAK, Y. Generování obrázků sítnice s omezeným množstvím trénovacích dat [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.cs
dc.identifier.other154453cs
dc.identifier.urihttp://hdl.handle.net/11012/246912
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectOční dnocs
dc.subjectstrojové učenícs
dc.subjectautomatizace diagnostikycs
dc.subjecthluboké učenícs
dc.subjectkonvoluční neuronové sítěcs
dc.subjectGANscs
dc.subjectLékařská segmentacecs
dc.subjectU-netcs
dc.subjectP-Unetcs
dc.subjectResNetcs
dc.subjectFCNcs
dc.subjectlékařské zobrazovánícs
dc.subjectU-GAT-ITcs
dc.subjectAdaptivní normalizacecs
dc.subjectZtráta CAMcs
dc.subjectZtráta cyklucs
dc.subjectGenerátor funducs
dc.subjectFundusen
dc.subjectmachine learningen
dc.subjectdiagnostic automationen
dc.subjectdeep learningen
dc.subjectconvolutional neural networksen
dc.subjectGANsen
dc.subjectMedical segmentationen
dc.subjectU-neten
dc.subjectP-Uneten
dc.subjectResNeten
dc.subjectFCNen
dc.subjectmedical imagingen
dc.subjectUGAT-ITen
dc.subjectAdaptive normalizationen
dc.subjectCAM lossen
dc.subjectCycle lossen
dc.subjectFundus generatoren
dc.titleGenerování obrázků sítnice s omezeným množstvím trénovacích datcs
dc.title.alternativeRetinal Images Generation with a Limited Amount of Training Dataen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2024-06-11cs
dcterms.modified2024-06-17-08:45:33cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid154453en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 21:01:11en
sync.item.modts2025.01.15 22:11:50en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémůcs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
12.1 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
8.14 MB
Format:
Unknown data format
Description:
file appendix-1.zip
Download
Thumbnail Image
Name:
review_154453.html
Size:
8.27 KB
Format:
Hypertext Markup Language
Description:
file review_154453.html
Download
Collections
2024