| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Viedās datortehnoloģijas |
| Nosaukums |
Smadzeņu datortomogrāfijas attēlu apstrāde, asinsizplūdumu klasificēšana un segmentācija, izmantojot mašīnmācīšanos |
| Nosaukums angļu valodā |
Brain Computed Tomography Image Processing, Hemorrhage Marking and Segmentation Using Machine Learning |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Artjoms Supoņenkovs |
| Recenzents |
Artūrs Ivanovs |
| Anotācija |
Hemorāģiskais insults ir viens no smagākajiem neiroloģiskajiem stāvokļiem, kura
ārstēšanas efektivitāte lielā mērā ir atkarīga no ātras un precīzas diagnostikas.
Bezkontrasta galvas datortomogrāfija ir standarta izmeklēšanas metode akūtu
intrakraniālu asinsizplūdumu atklāšanā, taču manuālā analīze ir laikietilpīga un atkarīga
no radiologa pieredzes. Šī darba mērķis ir izstrādāt un novērtēt dziļās mācīšanās modeli,
kas automātiski segmentē piecus intrakraniālu asinsizplūdumu tipus – epidurālu,
subdurālu, subarahnoidālu intracerebrālu un intraventrikulāru – bezkontrasta galvas
datortomogrāfijas attēlos.
Darba teorētiskajā daļā apkopota literatūra par intrakraniālu asinsizplūdumu
medicīnisko klasifikāciju, datortomogrāfijas fizikālajiem principiem un
mašīnmācīšanās metodēm medicīnisko attēlu segmentācijā. Literatūras analīzē
salīdzinātas CNN, U-Net, Transformer un Mamba tipa arhitektūras un pamatota
hibrīdas pieejas izvēle. Praktiskajā daļā implementēts 3D U-Net modelis ar integrētiem
tri-orientētiem Mamba blokiem, kas apstrādā pazīmes vienlaikus gar trim telpiskajām
asīm. Modelis tika apmācīts uz “BHSD” publiskās datu kopas pilnībā anotētās daļas,
izmantojot četru logu intensitātes reprezentāciju, apakštilpumu balstītu apstrādi un
klašu svēršanu klašu nelīdzsvara mazināšanai. Mamba bloku integrācija uzlaboja
vidējo Dice rādītāju no 23.49 līdz 35.81, sasniedzot rezultātus, kas ir salīdzināmi ar
nnUNet3D veiktspēju BHSD datu kopā.
Darbs satur 68 lappuses, 8 attēlus, 10 tabulas, 3 pielikumus un 61 izmantoto
informācijas avotus. |
| Atslēgas vārdi |
smadzeņu datortomogrāfija, intrakraniāls asinsizplūdums, mašīnmācīšanās, segmentācija, Mamba, U-Net |
| Atslēgas vārdi angļu valodā |
brain computed tomography, intracranial hemorrhage, machine learning, segmentation, Mamba, U-Net |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
28.05.2026 13:56:11 |
