Využití hlubokých neuronových sítí pro segmentaci parenchymatózních orgánů břišní dutiny prasete domácího

Bohdan YEREMENKO

Bachelor's thesis

Use of deep neural networks for segmentation of parenchymatous organs of the abdominal cavity of domestic pigs

Abstract:

Tato bakalářská práce se zabývá možností aplikace hlubokých neuronových sítí v medicinských úlohách, konkrétně úlohou segmentace parenchymatózních orgánů břišní dutiny prasete domácího. Pro realizaci jsme využili framework detectron2 založenou na architektuře Mask R-CNN. V práci jsou popsány technologie používané pro strojové zpracování obrazu. Důležitou částí práce je popis konvolučních neuronových sítí určených pro zpracování obrazu. Hlavní část práce se věnuje popisu Mask R-CNN a detectron2, a to prostřednictvím analýzy výsledku trénování této sítě na medicínských datech. Na závěr je uvedeno rozhodnutí, je-li síť vhodná pro využití v praxi.

Abstract:

This work deals with the possibility of applying deep neural networks in medical tasks, especially in the segmentation of parenchymatous organs of the abdominal cavity of the domestic pig. For this, we used "detectron2", which is based on "Mask R-CNN". In this work we described technology, which is used for digital image processing. Important part of this work is description of Convolutional Neural Networks and their usage for working with digital images. Main part describes "Mask R-CNN", "detectron2" and analyzes results of our training on medical dataset. In conclusion we gave a decision about the network (whether it is useful for practice).

Keywords

Umělá inteligence, neuronová síť, segmentace parenchymatózních orgánů, detectron2, U-NET, výpočetní tomografie.

Language used: Czech

Date on which the thesis was submitted / produced: 14. 8. 2023

Accessible from:: 31. 12. 2999

Thesis defence

• Supervisor: Ing. Miroslav Jiřík, Ph.D.

University of West Bohemia

Faculty of Applied Sciences

Bachelor programme / field:
Applied Sciences and Computer Engineering / Cybernetics and Control Engineering