| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Ādas veidojumu segmentēšana multispektrālajos attēlos |
| Nosaukums angļu valodā |
Segmentation of Skin Formations in Multispectral Images |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Katrīna Šmite |
| Recenzents |
Dmitrijs Bļizņuks |
| Anotācija |
Šajā bakalaura darbā tiek pētītas iespējas uzlabot ādas bojājumu segmentāciju, izmantojot multispektrālos attēlus un dziļās mašīnmācīšanas metodes. Darba mērķis ir izstrādāt un novērtēt efektīvu segmentācijas algoritmu, kas spēj analizēt gan tradicionālos RGB, gan multispektrālos datus, salīdzinot to ietekmi uz modeļa precizitāti. Sākotnēji darbā izmantota plaši pazīstama ISIC datu kopa, lai testētu U-Net arhitektūras pamata funkcionalitāti un novērtētu segmentācijas rezultātus uz RGB attēliem. Pēc tam tiek pielietoti multispektrālie dati, kuru papildus spektrālā informācija var sniegt būtiskas priekšrocības, īpaši gadījumos ar neskaidrām bojājumu robežām. Segmentācijas kvalitāte tiek vērtēta, izmantojot vairākas metrikas, tostarp Dice koeficientu, Jaccard indeksu, precizitāti un atcerēšanas radītājs. Iegūtie rezultāti sniedz ieskatu multispektrālās attēlveidošanai potenciālā ādas slīmību agrīnā diagnostikā un demonstrē iespēju izmantot dziļās mašīnmācīšanas metodes, lai uzlabotu automatizētu segmentāciju klīniskajos apstākļos. |
| Atslēgas vārdi |
ādas bojājumu segmentācija, multispektrālie dati, attēlu apstrāde, dziļās mašīnmācīšanās, U-Net |
| Atslēgas vārdi angļu valodā |
skin lesion segmentation, multispectral data, image processing, deep machine learning, U-Net |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
27.05.2025 09:00:20 |
