Detail práce
Hluboké neuronové sítě pro analýzu 3D obrazových dat
Práce pojednává o využití plně konvolučních neuronových sítí pro segmentaci kostí z CT snímků. Typickým problémem při trénování na medicinských datech bývá omezená velikost trénovací sady. Experimenty ukázaly, že trénování na podoobrazech při omezeném počtu trénovacích dat dává lepší výsledky. Při trénování na podobrazech bylo dosaženo přesnosti segmentace 95,1%, což je o 30% více než při trénování na celých obrazech. Pro měření úspěšnosti segmentace byla zvolena metrika F-measure. Pro práci s konvolučními neuronovými sítěmi byl použit BVLC Caffe Framework.
plně konvoluční neuronová síť, segmentace, podobrazy, omezený dataset
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm dobře (C).
- Podle názoru oponenta by se teoreticky měla ryze konvoluční síť naučit stejné parametry a poskytovat identické výsledky, ať se učí "nad celými obrázky" nebo "nad výřezy" - jedná se o identický proces. Jaký je názor řešitele?
- Jak vypadá srovnání uvedených dvou modů učení/vyhodnocování, pokud se srovnání provede správně, tj. když se řešitel vystříhá průměrování dílčích F-measures?
Drahanský Martin, prof. Ing., Dipl.-Ing., Ph.D. (UITS FIT VUT), člen
Chudý Peter, doc. Ing., Ph.D. MBA (UPGM FIT VUT), člen
Očenášek Pavel, Mgr. Ing., Ph.D. (UIFS FIT VUT), člen
Strnadel Josef, Ing., Ph.D. (UPSY FIT VUT), člen
@bachelorsthesis{FITBT18508, author = "David Hlavo\v{n}", type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce", title = "Hlubok\'{e} neuronov\'{e} s\'{i}t\v{e} pro anal\'{y}zu 3D obrazov\'{y}ch dat", school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}", year = 2016, location = "Brno, CZ", language = "czech", url = "https://www.fit.vut.cz/study/thesis/18508/" }