Details

Title: Сегментация кардиоваскулярных изображений методами машинного обучения: выпускная квалификационная работа бакалавра: направление 11.03.02 «Инфокоммуникационные технологии и системы связи» ; образовательная программа 11.03.02_01 «Системы мобильной связи»
Creators: Цзи Илунь
Scientific adviser: Кудряшова Татьяна Юрьевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт электроники и телекоммуникаций
Imprint: Санкт-Петербург, 2024
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: YOLOv8,сегментация изображений; кардиоваскулярное изображение; глубокое обучение; обработка медицинских изображений; компьютерное зрение; YOLOv8,image segmentation; cardiovascular imaging; deep learning; medical image processing; computer vision
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 11.03.02
Speciality group (FGOS): 110000 - Электроника, радиотехника и системы связи
DOI: 10.18720/SPBPU/3/2024/vr/vr24-4517
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Additionally: New arrival
Record key: ru\spstu\vkr\29184

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

Объект исследования – распознавание и сегментация сердца на МРТ-изображениях с помощью модели YOLOv8. Цель работы – Исследование возможности применения модели YOLOv8 для сегментации сердца при анализе медицинских изображений. Использовались открытые образовательные ресурсы и программы поиска и анализа информации. Использовались средства автоматизации  разработки Python. Результаты экспериментального исследования показывают, что точность сегментации изображений сердца с помощью YOLOv8 очень высока. Инновационность эксперимента заключается в первом применении YOLOv8 для сегментации изображений сердца и раскрытии его потенциала в новых областях. Это исследование может помочь врачам в быстрой и точной диагностике поражений сердца, включая опухоли и инфаркты, и имеет большие перспективы в области медицины.

Object of study is recognition and segmentation of the heart on MRI images using the YOLOv8 model. The aim is exploring the application of the YOLOv8 model for cardiac segmentation in medical image analysis. Open educational resources and information search and analysis programs were used. Automation (automated) development tools such as Python was used. The experimental results show that the accuracy of cardiac image segmentation using YOLOv8 is very high. The innovativeness of the experiment is the first application of YOLOv8 for cardiac image segmentation and unlocks its potential in new areas. This research can help physicians to quickly and accurately diagnose heart lesions, including tumors and heart attacks, and holds great promise in the field of medicine.

Document access rights

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

Table of Contents

  • Работа допущена к защите
  • директор ВШПФиКТ
  • Научные руководители
  • Консультант
  • Санкт-Петербург
  • РЕФЕРАТ
  • ABSTRACT
  • 41 pages, 7 pictures, 1 table
  • ВВЕДЕНИЕ
  • ГЛАВА 1. ОБЗОР ЛИТЕРАТУРЫ
    • 1.1. Методы визуализации сердечно–сосудистой систе
    • 1.2. Сегментация изображений при визуализации серд
      • 1.2.1. Пороговая сегментация и Сегментация на осно
      • 1.2.2. Edge Detection
      • 1.2.3. Region-based Segmentation
      • 1.2.4 . Deep Learning-Based Segmentation
    • 1.3. Показатели оценки
    • 1.4. Применение сегментации
    • 1.5. Проблемы и ограничения
    • 1.6. Выводы
  • ГЛАВА 2. МЕТОДОЛОГИЯ
    • 2.1. Сбор данных
    • 2.2. Предварительная обработка
    • 2.3. YOLOv8
  • Рисунок 1 – Структура YOLOv8
    • 2.4. Выводы
  • ГЛАВА 3. РЕЗУЛЬТАТЫ
    • 3.1. Результаты Сегментации
  • Рисунок 3 – Кривая доверия F1
  • Рисунок 4 – Кривая точности и возврата
  • Рисунок 6 – Кривая запоминания и доверия
    • 3.2. Сравнение результаты
    • 3.2. Выводы
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Usage statistics

stat Access count: 0
Last 30 days: 0
Detailed usage statistics