| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Pneimonijas klasifikācija medicīnas attēlos |
| Title in English |
Classification of Pneumonia in Medical Images |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Mihails Kovaļovs |
| Reviewer |
Artjoms Supoņenkovs |
| Abstract |
Bakalaura darbā tiek pētīta mašīnmācīšanās algoritmu pielietošana pneimonijas klasifikācijai, izmantojot medicīniskos CXR attēlus un vairāki attēlu pirmapstrādes metodes. Darbā tika analizēti dažādi mašīnmācīšanās modeļi, lai noteiktu tos, kas nodrošina visaugstāko klasifikācijas precizitāti, tādējādi potenciāli atvieglojot ārstu darbu un uzlabojot pneimonijas diagnostikas kvalitāti.
Pētījuma ietvaros tika izvēlēta un analizēta piemērota datu kopa, novērtētas dažādas attēlu priekšapstrādes metodes, kā arī apmācīti vairāki mašīnmācīšanās modeļi, lai noteiktu to efektivitāti un precizitāti pneimonijas noteikšanā. Veicot eksperimentālu novērtējumu, tika identificēts modelis ar vislabākajiem rezultātiem.
Šī tēma ir īpaši aktuāla mūsdienu medicīnā, jo pneimonija, īpaši pēc COVID-19 pandēmijas, ir viena no izplatītākajām plaušu slimībām, kuras ātra un precīza diagnostika ir kritiski svarīga veiksmīgai ārstēšanai. Pētījuma rezultāti parāda, ka mākslīgā intelekta algoritmi var būt efektīvs risinājums diagnostikas uzlabošanai, palīdzot ārstiem pieņemt precīzākus un ātrākus lēmumus pacientu veselības aprūpē.
Dārbā ir 98. lpp., 24. attēli, 15. tabulas., 9. pielikumi, 37. nosaukumu informācijas avoti. |
| Keywords |
Klasifikācija, CXR, Pneimonija, CNN, Attēlu priekšapstrāde |
| Keywords in English |
Classification, CXR, Pneumonia, CNN, Image preprocesing |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
27.05.2025 19:12:48 |
