| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Dziļās mācīšanās pieeja displastisko šūnu noteikšanai dzemdes kakla šķidruma citoloģijas paraugos |
| Nosaukums angļu valodā |
Deep Learning Approach for Detecting Dysplastic Cells in Liquid-Based Cervical Cytology |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Katrīna Šmite |
| Recenzents |
Artūrs Ardavs |
| Anotācija |
Atslēgvārdi: dziļā mācīšanās, konformālā prognozēšana, dzemdes kakla citoloģija.
Dzemdes kakla vēzis ir viens no izplatītākajiem vēža veidiem sievietē, tā agrīna diagnostika sastāv no citoloģiskā skrīninga. Mūsdienās dziļās mācīšanās risinājumi spēj automātiski noteikt šūnu vēža pazīmes, tomēr tie izvada vienu prognozēto klasi, neizsakot savu nenoteiktību par to. Šis apgrūtina medicīnas speciālistu lēmumu pieņemšanu par iespējamu šūnu vēžā esamību.
Izmantojot konvolūcijas neironu tīklu un ordinālo konformālo prognozēšanu, darbā tiek izstrādāts un novērtēts risinājums, kas dzemdes kakla citoloģijas šūnas klasificē sešās displāzijas, Bethdesda sistēmas (TBS), kategorijās. Atšķirībā no citiem citoloģijas risinājumiem, šis izvada nevis vienu klasi, bet gan klašu kopu ar noteiktu pārklājuma garantiju, tādejādi, izsakot modeļa prognozes nenoteiktību.
Dati par darba apjomu – 70 lappuses, 12 attēli, 13 tabulas un 58 izmantotie informācijas avoti. |
| Atslēgas vārdi |
dziļā mācīšanās, konformālā prognozēšana, dzemdes kakla citoloģija |
| Atslēgas vārdi angļu valodā |
deep learning, conformal prediction, cervical cytology |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
26.05.2026 19:56:59 |
