LV EN

LĪMENIS

PROGRAMMA

FAKULTĀTE

GADS

VALODA

Ar pipeline saistītu artefaktu un bojājumu atpazīšana IHC krāsojumos izmanotojot KNT kā pirmapstrādes posms patoloģiskajai analīzei

Šajā darbā tiek piedāvāts automatizēts risinājums artefaktu un bojājumu segmentācijai biomedicīnas attēlos, izmantojot mašīnmācīšanās algoritmus. Izstrādes process ietver datu pirmapstrādi, marķējuma klasifikāciju, izmantojot klasterizācijas algoritmus, un segmentācijas modeli. Segmentēšanai tiek izmantotas tādas KNT arhitektūras kā YOLO un U-NET, bet klasterizācijai tiek novērtēti K-Means un DBSC algoritmi. Rezultāti ietver datu pirmapstrādes priekšnoteikumu kopumu, klasterizācijas algoritma testēšanu un rezultātu analīzi, segmentācijas modeli un ieteikumus turpmākai attīstībai.

Autors: Taisija Kožarina

Vadītājs: Jeļena Kijonoka

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Table View
Text View