Deep Learning Methods for Epithelium Segmentation of Breast and Colorectal Tissue – Bc. Adam Džadoň
Bc. Adam Džadoň
Bakalářská práce
Deep Learning Methods for Epithelium Segmentation of Breast and Colorectal Tissue
Deep Learning Methods for Epithelium Segmentation of Breast and Colorectal Tissue
Anotace:
Automatizované metódy segmentácie epitelu znižujú množstvo potrebnej práce od profesionálnych patológov a zlepšujú proces diagnostiky rakoviny. Táto práca vytvára a prezentuje niekoľko modelov hlbokého učenia pre segmentáciu epitelu prsného a kolorektálneho tkaniva založených na architektúre U-Net. Vyhodnotenie modelov naznačuje, že modely trénované na kolorektálnych dátach vykazujú sľubné výsledky …víceAbstract:
Automated methods of epithelium segmentation reduce the manual effort of professional pathologists and enhance the cancer diagnosis process. This thesis creates and presents several deep learning models for the epithelium segmentation of breast and colorectal tissue based on U-Net architecture. The evaluation of the models reveals that the models trained on colorectal data exhibit promising results …více
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 23. 5. 2024
Identifikátor:
https://is.muni.cz/th/ak2yp/
Obhajoba závěrečné práce
- Obhajoba proběhla 24. 6. 2024
- Vedoucí: RNDr. Vít Musil, Ph.D.
- Oponent: doc. Mgr. Jan Obdržálek, PhD.
Citační záznam
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