Table | Card | RUSMARC | |
Allowed Actions: –
Action 'Read' will be available if you login or access site from another network
Group: Anonymous Network: Internet |
Annotation
Тема выпускной квалификационной работы: «Разработка интеллектуальной подсистемы обнаружения и выделения новообразований в легком». В дипломной работе рассматривается разработка архитектуры нейронной сети для решения задачи компьютерного зрения на снимках компьютерной томо графии: обнаружения новообразований в легком. В ходе работы решались следующие задачи: – Изучение методов автоматической компьютерной диагностики, – Исследование применения нейронных сетей к задаче компьютерного зрения – детекции, – Подготовка наборов данных, состоящих из множества КТ-снимков, для последующего обучения и тестирования разработанных моделей глубокого обучения, – Разработка архитектуры нейронной сети для обнаружения новообразова ний в легком на КТ-снимках, – Тестирование разработанной архитектуры нейронной сети на снимках компьютерной томографии. В результате работы был написан программный модуль на языке Python с применением библиотеки глубокого обучения PyTorch, обучающий нейронную сеть разработанной архитектуры. Для проведения экспериментов был использован публично доступный датасет LIDC-IDRI, для тестирования обученных сетей скрипт соревнования LUNA16. В результате среднее значение метрики Sensitivity – 0.978. В заключении работы представлены выводы и описаны возможные способы улучшения полученных результатов.
The subject of the graduate qualification work is "Development of an intellectual subsystem of pulmonary nodules detection". The diploma thesis deals with the development of neural network architecture to solve the problem of computer vision on the images of computer tomography: the detection of nodules in the lung. The following tasks were solved in the course of the work: – Research of automatic computer diagnostics methods, – Research of application of neural networks to the task of computer vision - object detection, – Preparation of data sets consisting of multiple CT images for further training and testing of developed models, – Development of a neural network architecture to detect pulmonary nodules in CT images, – Testing of the developed neural network architecture on computer tomography images. As a result of the work the program module in Python language was written using PyTorch deep learning library, which trains neural network of the developed architecture. For conducting experiments I used publicly available LIDC-IDRI datase, for testing the trained networks the LUNA16 competition script. As a result the average value of Sensitivity metric is 0.978. The paper concludes with a presentation of findings and a description of possible ways to improve the results obtained.
Document access rights
Network | User group | Action | ||||
---|---|---|---|---|---|---|
ILC SPbPU Local Network | All | |||||
Internet | Authorized users SPbPU | |||||
Internet | Anonymous |
Table of Contents
- Разработка интеллектуальной подсистемы обнаружения и выделения новообразований в легком
- Введение
- 1. Системы автоматизированной медицинской диагностики новообразований в легком
- 2. Решение задачи детекции с нейронными сетями
- 3. Разработка архитектуры нейронной сети
- 4. Тестирование и анализ результатов
- Заключение
- Список сокращений и условных обозначений
- Список использованных источников
Usage statistics
Access count: 51
Last 30 days: 0 Detailed usage statistics |