| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Ceļa locītavas rentgena attēlu klasifikācija, izmantojot mašīnmācīšanās algoritmus |
| Title in English |
Classification of X-ray Images of the Knee Using Machine Learning Algorithms |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Mihails Kovaļovs |
| Reviewer |
Mihails Fraimans |
| Abstract |
Bakalaura darbs ir veltīts ceļa locītavas rentgena attēlu klasifikācijai, izmantojot mašīnmācīšanās algoritmus. Ceļa locītavas slimību diagnostika ir aktuāla un nozīmīga tēma mūsdienu medicīnā, jo šīs slimības būtiski ietekmē pacientu dzīves kvalitāti, radot hroniskas sāpes un kustību ierobežojumus. Agrīna un precīza diagnostika ir būtiska, lai savlaicīgi uzsāktu ārstēšanu un novērstu slimības progresēšanu.
Šajā darbā tiek pētītas mašīnmācīšanās algoritmu iespējas automatizēt ceļa locītavas rentgena attēlu analīzi, kas spēj identificēt sarežģītus paternus un anomālijas ar augstu precizitāti. Automatizēta pieeja var samazināt diagnostikas laiku, paaugstināt efektivitāti un samazināt kļūdu iespējamību.
Darba mērķis ir izveidot un apmācīt mašīnmācīšanās modeļus ceļa locītavas rentgena attēlu klasifikācijai. Lai sasniegtu šo mērķi, darbā veikta plaša literatūras analīze par ceļa locītavas slimību diagnostiku un attēlu klasifikācijas metodēm. Praktiskajā daļā izmantota “Knee Osteoporosis Dataset” datu kopa, kurā iekļauti rentgena attēli ar dažādiem osteoporozes smaguma līmeņiem.
Darba apjoms ir 70 lapas, tajā iekļauti 18 attēli un 34 informācijas avoti. |
| Keywords |
ceļa locītava, rentgena attēli, osteoporoze, attēlu klasifikācija, mašīnmācīšanās, dziļā mācīšanās, automatizēta diagnostika, medicīniskā attēlveide, CLAHE, ResNet, EfficientNet, MobileNet |
| Keywords in English |
knee joint, X-ray images, osteoporosis, image classification, machine learning, deep learning, automated diagnosis, medical imaging, CLAHE, ResNet, EfficientNet, MobileNet |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
27.05.2025 23:54:05 |
