Prostate Cancer Prediction with Graph Neural Networks – Bc. Štěpán Řihák
Bc. Štěpán Řihák
Bakalářská práce
Prostate Cancer Prediction with Graph Neural Networks
Prostate Cancer Prediction with Graph Neural Networks
Anotace:
V této bakalářské práci trénujeme a vyhodnocujeme grafové neuronové sítě pro predikci rakoviny v prostatické tkáni. Pomocí předtrénované konvoluční sítě převádíme digitální snímky tkáně na grafy, kde uzly grafu odpovídají malému výřezu z velkého digitálního snímku. V experimentech porovnáváme grafové sítě, které pro klasifikaci každého uzlu používají informace z ostatních uzlů, se základním klasifikátorem …víceAbstract:
In this thesis, we train and evaluate graph neural networks for the prediction of cancer in prostate tissue. Using a pre-trained convolutional network, we convert digitized tissue slides to graphs, where the nodes represent a small tile cut out of the large digital slide. In the experiments, we compare graph networks, which learn a richer representation for each node from other nodes, with a baseline …více
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 23. 5. 2024
Identifikátor:
https://is.muni.cz/th/hn4nl/
Obhajoba závěrečné práce
- Obhajoba proběhla 24. 6. 2024
- Vedoucí: RNDr. Vít Musil, Ph.D.
- Oponent: RNDr. Filip Lux
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatikyMasarykova univerzita
Fakulta informatikyBakalářský studijní program / obor:
Informatika / Informatika
Práce na příbuzné téma
-
Application of Graph Neural Networks in a Selected Domain
Emanuel Dopater -
Graph neural networks for improvement recommender system
Trung Tin Tran -
Graph Neural Networks in Epilepsy Surgery
Valentina Hrtoňová -
Topological Patterns in Human Mobility and Interaction Networks
Aliaksandr Bely -
AI Image Analysis Pipeline Implementation for Digital Pathology
Andrej Kubanda -
Pathological Image Analysis Using Attention Based Deep Learning Methods
Petr Kantek -
Conflict-free colouring of planar graphs
Lukáš Málik -
Stack number and queue number of graphs
Adam Straka