| Form of studies |
Bachelor |
| Title of the study programm |
Smart Computer Technologies |
| Title in original language |
Krūts vēža segmentēšanas un analīzes metožu izstrāde, izmantojot ultrasonogrāfiskus attēlus |
| Title in English |
Development of Advanced Methods for Breast Cancer Segmentation and Analysis Using Ultrasound Imaging |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Artjoms Supoņenkovs |
| Reviewer |
Mihails Kovaļovs |
| Abstract |
Darbs ir veltīts krūts vēža segmentēšanas un analīzes algoritmu izstrādei, izmantojot ultrasonogrāfiskos attēlus. Darba mērķis ir izstrādāt un salīdzināt četrus dažādus panoptic segmentēšanas algoritmus, kas balstīti gan uz konvolūciju neironu tīkliem (CNN), gan uz transformatoru modeļiem. Darbā ir saprakstīti četri algoritmi: Panoptic FPN, Panoptic-DeepLab, Mask2Former, Panoptic SegFormer. Tiks pētīta šo algoritmu efektivitāte attiecībā uz krūts vēža audzēju identificēšanu un segmentēšanu, kā arī to precizitāte un darbības ātrums. Darbā tiks veikti eksperimenti, lai novērtētu priekšapstrādes un pēcapstrādes metožu ietekmi uz modeļu precizitāti, kā arī tiks aplūkots, kā ģenerētie sintētiskie attēli var uzlabot apmācību un modeļa darbības rezultātus. Tiks izmantotas vairākas vērtēšanas metodes, piemēram, Dice koeficients, IoU, precizitāte un atgūšana, lai salīdzinātu modeļu veiktspēju. Iegūtie rezultāti palīdzēs noteikt visefektīvāko algoritmu krūts vēža segmentēšanai un analīzei, kas varētu uzlabot diagnostikas procesus.
Šajā bakalaura darbā ir 77 lappuses, 51 attēli, 2 tabulas, 1 pielikumi un 40 izmantoti informācijas avoti. |
| Keywords |
krūts vēzis, ultrasonogrāfija, attēlu segmentēšana, attēlu analīze, mašīnmacīšanās |
| Keywords in English |
breast cancer, ultrasound, image segmentation, image analysis, machine learning |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
27.05.2025 17:37:18 |
