| Form of studies |
Master |
| Title of the study programm |
Digital Humanities |
| Title in original language |
Konvolūcijas neironu tīkla risinājuma Noise2Void izmantošana SPECT attēla trokšņa samazināšanai |
| Title in English |
Application of a Convolutional Neural Network Solution Noise2Void in Noise Reduction of SPECT Image |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Agris Ņikitenko |
| Reviewer |
Sintija Petroviča |
| Abstract |
Paaugstināts trokšņa līmenis scintigrāfijas izmeklējumu attēlos pazemina kopējo attēla kvalitāti un precizitāti. Tie ir būtiski faktori klīniskai interpretācijai. Šī maģistra darba “Konvolūcijas neironu tīkla risinājuma Noise2Void pielietojums SPECT attēlu trokšņa samazināšanai” mērķis ir izstrādāt SPECT attēlu atpazīšanas novēršanas pieeju, kas balstīta uz neuzraudzītu dziļo mācīšanos. Darbā SPECT attēlu trokšņa samazināšanai tika pielāgota un pārbaudīta pieeja Noise2Void, kas apmācības procesā balstās tikai uz zemas kvalitātes attēliem. Darbs ietver literatūras apskatu par SPECT attēlu veidošanās fizikālajiem procesiem, par trokšņiem un artefaktiem un trokšņu samazināšanas metodēm, pētījuma stratēģijas un metožu aprakstu, kā arī SPECT attēlu trokšņu samazināšanas rezultātu apstrādes un analīzes aprakstu.
Maģistra darbs sastāv no 96 lappusēm, 60 attēliem un 3 tabulām. Darbā ir izmantoti 37 literatūras avoti. |
| Keywords |
Neuzraudzīta dziļā mācīšanās, trokšņu samazināšana, medicīniskie attēli, nukleārā medicīna, SPECT. |
| Keywords in English |
Unsupervised deep learning, Noise2Void, noise reduction, medical imaging, nuclear medicine, SPECT |
| Language |
eng |
| Year |
2022 |
| Date and time of uploading |
23.05.2022 22:39:51 |
