| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Medicīnisko objektu segmentācija |
| Nosaukums angļu valodā |
Medical Object Segmentation |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Dmitrijs Bļizņuks |
| Recenzents |
Olga Krutikova |
| Anotācija |
Medicīnas jomā strauji pieaug popularitāte uzdevumu risināšanai ar dziļās mašīnmācīšanās palīdzību. Īpaši aktuāla ir ādas vēža diagnostika, kuras rīkiem būtisks datu priekšapstrādes solis ir ādas veidojumu segmentācija. Bakalaura darbā tiek pētīts segmentācijas modeļa pielāgošanas risinājums multispektrālajiem attēliem, izmantojot sarkanzaļzilā krāsu modeļa dermatoskopijas attēlu apmācību datu kopu. Darba ietvaros ir veikta literatūras analīze par medicīnisku attēlu segmentāciju, lai izprastu segmentācijas uzdevuma būtību, tās metodes un aktuālāko neironu tīklu arhitektūru darbības principus, kā arī apskatīta ādas veidojumu izmeklēšanas specifika. Atrasti datu avoti un sastādīta apmācību datu kopa. Darbā ir atlasīti modeļi problēmas risināšanai un veikta to salīdzinoša apmācīšana un rezultātu analīze. Modelis ar visaugstāko pārklāšanās reģiona (IoU) metrikas vērtību optimizēts multispektrālo attēlu segmentācijai. Modeļa apmācīšana veikta datu kopā saglabājot tikai vienas krāsas kanālu un to pārbaudot ar konkrētā filtra multispektrālo attēlu datu kopu. Darba noslēgumā veikta rezultātu analīze un secinājumi par galvenajiem izaicinājumiem modeļa apmācīšanai ar viena krāsu kanāla sarkanzaļzilā krāsu modeļa attēliem, lai pielāgotu to multispektrālajiem datiem. |
| Atslēgas vārdi |
SEGMENTĀCIJA, ATTĒLU APSTRĀDE, MĀKSLĪGIE NEIRONU TĪKLI, DATORREDZE, DZIĻĀ MAŠĪNMĀCĪŠANĀS |
| Atslēgas vārdi angļu valodā |
SEGMENTATION, IMAGE PROCESSING, ARTIFICIAL NEURAL NETWORKS, COMPUTER VISION, DEEP MACHINE LEARNING |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
26.05.2025 14:12:35 |
