Розроблення моделі глибокого навчання для класифікації зображень і виявлення об’єктів на медичних зображеннях

Simple item page
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.authorВоробель , Адріан Олександрович
dc.coverage.placenameЛьвів
dc.date.accessioned2024-04-26T12:22:19Z
dc.date.available2024-04-26T12:22:19Z
dc.date.issued2023
dc.date.submitted2024
dc.description.abstractМагістерська кваліфікаційна робота виконана студентом групи КНСШ- 23 Вороблем Адріаном Олександровичем. Тема “Розроблення моделі глибокого навчання для класифікації зображень і виявлення об’єктів на медичних зображеннях”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Об'єктом дослідження є дослідження є процес класифікації зображень та виявлення об’єктів на медичних зображеннях. Предметом дослідження є розробка рішення з використанням нейромережевої архітектури та методів глибокого навчання для досягнення найвищої точності та швидкості виявлення об’єктів на медичних зображеннях. Досягнення мети відбувається за рахунок використання моделі YOLOv8 та її тренування. Апробацію роботи моделі здійснено на основі медичних наборів даних у відкритому доступі, що містять рентгенівські знімки, для розв’язання задачі виявлення переломів та їх класифікації. У результаті виконання дипломної роботи розроблено дві моделі глибокого навчання, одна з яких дозволяє виявляти переломи на рентгенівських знімках та класифікувати їх на декілька класів, а інша — лише виявляти. Загальний обсяг роботи: 56 сторінок, 40 рисунків, 21 посилання. The master's qualification work was completed by the student of the CSAI- 23 group Vorobel Adrian Oleksandrovych. Topic is "Development of a deep learning model for image classification and object detection in medical images". The work is aimed at obtaining a master's degree in the specialty 122 "Computer Science". The object of research is the process of image classification and object detection on medical images. The subject of the research is the development of a solution using neural network architecture and deep learning methods to achieve the highest accuracy and speed of object detection in medical images. The goal is achieved by using the YOLOv8 model and its training. The approbation of the model's work was carried out on the basis of medical data sets in open access, containing X-ray images, to solve the problem of fracture detection and their classification. As a result of the thesis, two deep learning models were developed, one of which allows you to identify fractures on X-ray images and classify them into several classes, and the other only detects them. Total volume of work: 56 pages, 40 figures, 21 references.
dc.format.pages65
dc.identifier.citationВоробель А. О. Розроблення моделі глибокого навчання для класифікації зображень і виявлення об’єктів на медичних зображеннях : пояснювальна записка до магістерської кваліфікаційної роботи : 122 «Комп’ютерні науки» / Адріан Олександрович Воробель ; Національний університет «Львівська політехніка». – Львів, 2023. – 65 с.
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/61916
dc.language.isouk
dc.publisherНаціональний університет “Львівська політехніка”
dc.subjectкомп’ютерний зір, класифікація, машинне навчання, глибокі неронні мережі, YOLOv8, рентгенівські знімки, перелом, computer vision, classification, machine learning, deep neural networks, YOLOv8, X-rays, fractur
dc.titleРозроблення моделі глибокого навчання для класифікації зображень і виявлення об’єктів на медичних зображеннях
dc.title.alternativeDevelopment of a deep learning model for image classification and object detection in medical images
dc.typeStudents_diploma

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Vorobel_A_O_KNSSh_23.pdf
Size:
1.84 MB
Format:
Adobe Portable Document Format
Description:
Основний документ
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Магістерські роботи