Details

Title: Диагностика заболеваний сетчатки с применением искусственных нейронных сетей: выпускная квалификационная работа бакалавра: направление 02.03.03 «Математическое обеспечение и администрирование информационных систем» ; образовательная программа 02.03.03_01 «Информационные системы и базы данных»
Creators: Качановский Богдан Суренович
Scientific adviser: Пак Вадим Геннадьевич
Other creators: Пархоменко Владимир Андреевич
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint: Санкт-Петербург, 2020
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: машинное обучение; сверточные нейронные сети; tensorflow; классификация; machine learning; convolutional neural networks; classification
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Speciality code (FGOS): 02.03.03
Speciality group (FGOS): 020000 - Компьютерные и информационные науки
Links: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2020/vr/vr20-2323
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Данная работа посвящена реализации искусственной нейронной сети, способной классифицировать медицинские изображения (снимки оптической когерентной томографии) на предмет выявления заболеваний сетчатки. В первой главе описываются нейронные сети, применяющиеся для задачи классификации изображений. Вторая глава посвящена обзору и сравнению архитектур сверточных нейронных сетей. В третьей главе идет речь о поставленной задаче, а также о технологиях, которые будут использоваться для ее решения. Четвертая глава описывает процесс реализации от формирования выборки до тестирования обученной модели. В пятой главе приведены экспериментальные исследования полученной модели.

This work is devoted to the implementation of an artificial neural network capable of classifying medical images (images of optical coherence tomography) for the detection of retinal diseases. The first chapter describes neural networks used for image recognition tasks. The second chapter is devoted to a review and comparison of convolutional neural network architectures. The third chapter deals with the task and the technologies that will be used to solve it. The fourth chapter describes the implementation process from dataset formation to testing the trained model. The fifth chapter presents experimental studies of the obtained model.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users Read Print Download
-> Internet Anonymous

Table of Contents

  • ВВЕДЕНИЕ
  • ГЛАВА 1. ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ В РАСПОЗНАВАНИИ ИЗОБРАЖЕНИЙ
    • 1.1. Нейронные сети
    • 1.2. Искусственные нейронные сети
    • 1.3. Обучение искусственных нейронных сетей
    • 1.4. Сверточные нейронные сети
      • 1.4.1. Сверточный слой
      • 1.4.2. Слой пулинга
      • 1.4.3. Слой сглаживания
      • 1.4.4. Полносвязный слой
    • 1.5. Выводы по главе
  • ГЛАВА 2. СВЕРТОЧНЫЕ СЕТИ ДЛЯ ЗАДАЧИ КЛАССИФИКАЦИИ
    • 2.1. AlexNet
    • 2.2. VGGNet
    • 2.3. GoogleNet
    • 2.4. ResNet
    • 2.5. Выводы по главе
  • ГЛАВА 3. ПОСТАНОВКА ЗАДАЧИ И ИНСТРУМЕНТЫ РАЗРАБОТКИ
    • 3.1. Постановка задачи
    • 3.2. Jupyter Notebook
    • 3.3. TensorFlow
    • 3.4. Выводы по главе
  • ГЛАВА 4. РЕАЛИЗАЦИЯ МОДЕЛИ И ПРОЦЕССА ОБУЧЕНИЯ
    • 4.1. Архитектура сети
    • 4.2. Входные данные
    • 4.3. Обучение сети
    • 4.4. Результаты обучения
    • 4.5. Выводы по главе
  • ГЛАВА 5. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МОДЕЛИ
    • 5.1. Матрица неточностей
    • 5.2. Метрики
    • 5.4. Выводы по главе
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
  • Полный код программы

Usage statistics

stat Access count: 6
Last 30 days: 2
Detailed usage statistics