Klasifikace nemoci na rentgenových snímcích pomocí umělé inteligence

Simple item page
but.committeeprof. Ing. Zdeněk Smékal, CSc. (předseda) doc. Ing. Pavel Šilhavý, Ph.D. (místopředseda) Ing. Daniel Kováč (člen) Ing. Jan Dvořák, Ph.D. (člen) Ing. et Ing. Petr Musil (člen) Ing. Ondřej Šmirg, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Otázky k obhajobě: Bylo by možné navrhnout experiment, který by ověřil, zda navržený model zachovává prostorovou informaci (spatial relationship) lépe, než konvenčně používané konvoluční sítě? Co způsobuje problém mizejícího gradientu u navrženého řešení zmíněný v závěru práce? Co znamená AUC? Student obhájil bakalářskou práci s výhradami a odpověděl na otázky členů komise a oponenta.cs
but.jazykangličtina (English)
but.programTelekomunikační a informační systémycs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorMezina, Anzhelikaen
dc.contributor.authorPijáček, Štěpánen
dc.contributor.refereeMikulec, Mareken
dc.date.accessioned2022-06-15T07:54:25Z
dc.date.available2022-06-15T07:54:25Z
dc.date.created2022cs
dc.description.abstractTato práce se zabývá výzkumem použitelných řešení pro problém klasifikace onemocnění hrudníku na rentgenových snímcích hrudníku pomocí umělé inteligence. Pro lepší pochopení problému jsou v prvních kapitolách vysvětleny základní konvoluční neuronové sítě a jejich výhody a nevýhody. Na základě těchto prvních vysvětlení jsou vybrány dvě neuronové sítě, které rozšiřují koncept konvoluční neuronové sítě. Těmito sítěmi jsou kapslová síť a reziduální síť, obě jsou dále vysvětleny v příslušných kapitolách s jejich výhodami a nevýhodami. Reziduální síť a kapslová síť jsou poté implementovány pomocí programovacího jazyka python a frameworku TensorFlow s knihovnou Keras, obě se svými příslušnými kapitolami. Na konci práce jsou uvedeny výsledky a závěr.en
dc.description.abstractThis thesis is researching workable solutions to the problem of classification of thorax disease on chest x-ray images using artificial intelligence. For a better understanding of the problem, the first chapters explain the basic convolutional neural network and its advantages and disadvantages. Based on these first explanations, two neural networks which are expanding on the concept of the convolutional neural network are chosen. Those are capsulated network and residual network both explained further in their respective sections with their advantages and disadvantages. Residual network and Capsulated network are implemented using programming language python and framework TensorFlow with Keras library, both with their respective chapters. At the end of this thesis, you can find results and conclusion.cs
dc.description.markCcs
dc.identifier.citationPIJÁČEK, Š. Klasifikace nemoci na rentgenových snímcích pomocí umělé inteligence [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.cs
dc.identifier.other141265cs
dc.identifier.urihttp://hdl.handle.net/11012/205503
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectNeuronové sítěen
dc.subjectCapsNeten
dc.subjectResNeten
dc.subjectCNNen
dc.subjecthrudní košen
dc.subjectCXR8en
dc.subjectCXR14en
dc.subjectklasifikaceen
dc.subjectmultiklasifikaceen
dc.subjectnemocien
dc.subjectNeural Networkscs
dc.subjectCapsNetcs
dc.subjectResNetcs
dc.subjectCNNcs
dc.subjectThoraxcs
dc.subjectCXR8cs
dc.subjectCXR14cs
dc.subjectClassificationcs
dc.subjectMulti Classificationcs
dc.subjectDiseasescs
dc.titleKlasifikace nemoci na rentgenových snímcích pomocí umělé inteligenceen
dc.title.alternativeClassification of thorax diseases on chest X-ray images using artificial intelligencecs
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2022-06-14cs
dcterms.modified2022-06-14-13:45:25cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid141265en
sync.item.dbtypeZPen
sync.item.insts2022.06.15 09:54:25en
sync.item.modts2022.06.15 08:12:18en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.4 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
2.68 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_141265.html
Size:
6.47 KB
Format:
Hypertext Markup Language
Description:
review_141265.html
Download
Collections
2022