Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids bakalaura akadēmiskās studijas
Studiju programmas nosaukums Informācijas tehnoloģija
Nosaukums Mākslīgo neironu tīklu arhitektūru izpēte ādas veidojumu klasifikācijas uzdevumā
Nosaukums angļu valodā Investigation of Artificial Neural Network Architectures for Classification of Skin Cancer
Struktūrvienība 33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Darba vadītājs Jurijs Čižovs
Recenzents Dr. sc. ing. Jurijs Korņijenko
Anotācija Viens no ādas veidojumu veidiem ir melanoma, kas ir grūti nosakāms audzējs. Diagnozes paātrināšanai var izmantot mākslīgos neironu tīklus (MNT), tomēr ir jāveic pētījumi atbilstošākā tīkla atrašanai. Bakalaura darba mērķis ir atklāt piemērotākās MNT arhitektūras ādas veidojumu binārajai klasifikācijai ar un bez attēlu papildinformācijas. Tā sasniegšanai ir izvirzīti tādi uzdevumi kā ārzemju un Latvijas pētnieku problēmsfēras literatūras apskats, ādas veidojumu attēlu datu kopas meklēšana, MNT arhitektūru salīdzināšana un piemērotākā tīkla parametru uzlabošana. Pētījuma gaitā tika apskatīta binārā klasifikācija (labvēlīgs veidojums vai melanoma) kā ievaddatus izmantojot no “ISIC archive” datubāzes iegūtos veidojumu attēlus un attēlus ar to metadatiem (pacienta dzimumu, vecumu, veidojuma atrašanās vietu). Vairākkārt apmācot modeli, tika novērtēta klasifikācijas precizitāte, jutīgums (spēja atpazīt melanomu), specifiskums (spēja atpazīt labvēlīgu veidojumu) un F1 mērs. Izmantojot attēlus kā ievaddatus, augstus rezultātus sniedza modelis “VGG16” ar cietā sigmoida (hard sigmoid) funkciju pirmspēdējā pilnībā savienojošā slānī. Klasifikācijas precizitāte 74.5%, ROC (Receiver Operational Characteristic) līknes AUC (area under the curve) analīzes rezultāts 0.808, jutīgums 78%, specifiskums 71.5% un F1 mērs 75.4%. Kombinēta neironu tīkla izmantošana (attēli ar metadatiem) sniedza labākos rezultātus - klasifikācijas precizitāti 85.1%, ROC līknes AUC analīzes rezultātu 0.909, jutīgumu 85.2%, specifiskumu 84.6% un F1 mēru 84.9%.
Atslēgas vārdi Mākslīgie neironu tīkli, Konvolūcijas neironu tīkli, Melanoma, Klasifikācija
Atslēgas vārdi angļu valodā Artificial neural networks, Convolutional neural networks, Melanoma, Classification
Valoda lv
Gads 2020
Darba augšupielādes datums un laiks 01.06.2020 17:25:49