Temat: Convolutional Neural Network

Skocz do pozycji: 1.

Autorzy:: Omidi, Hamid
Sadeghi, Mohammad Hossein
Sina, Sedigheh
Farshchitabrizi, Amir Hossein
Alavi, Mehrosadat
Opis:: Ovarian cancer poses a major worldwide health issue, marked by high death rates and a deficiency in reliable diagnostic methods. The precise and prompt detection of ovarian cancer holds great importance in advancing patient outcomes and determining suitable treatment plans. Medical imaging techniques are vital in diagnosing ovarian cancer, but achieving accurate diagnoses remains challenging. Deep learning (DL), particularly convolutional neural networks (CNNs), has emerged as a promising solution to improve the accuracy of ovarian cancer detection. This systematic review explores the role of DL in improving the diagnostic accuracy for ovarian cancer. The methodology involved the establishment of research questions, inclusion and exclusion criteria, and a comprehensive search strategy across relevant databases. The selected studies focused on DL techniques applied to ovarian cancer diagnosis using medical imaging modalities, as well as tumour differentiation and radiomics. Data extraction, analysis, and synthesis were performed to summarize the characteristics and findings of the selected studies. The review emphasizes the potential of DL in enhancing the diagnosis of ovarian cancer by accelerating the diagnostic process and offering more precise and efficient solutions. DL models have demonstrated their effectiveness in categorizing ovarian tissues and achieving comparable diagnostic performance to that of experienced radiologists. The integration of DL into ovarian cancer diagnosis holds the promise of improving patient outcomes, refining treatment approaches, and supporting well-informed decision-making. Nevertheless, additional research and validation are necessary to ensure the dependability and applicability of DL models in everyday clinical settings.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Artykuł

na półce

Skocz do pozycji: 2.

Tytuł:: Zastosowania sztucznej inteligencji ze szczególnym uwzględnieniem rozpoznawania pisma
The uses of AI with the focus on letter recognition
Autorzy:: Janoś, Joanna
Opis:: The aim of the BA thesis is to recognize letters based on convolutional neural network and compare results using different architectures of neural networks.
Głównym celem pracy licencjackiej jest rozpoznawanie pisma na podstawie splotowych sieci neuronowych oraz porównanie działania różnych architektur sieci.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 3.

Tytuł:: Interpreting convolutional neural networks with attribution and feature visualization methods.
Interpretacja konwolucyjnych sieci neuronowych metodami atrybucji i wizualizacji cech.
Autorzy:: Proszewska, Magdalena
Opis:: Celem niniejszej pracy jest przedstawienie metod służących do interpetacji konwolucyjnych sieci neuronowych, opisanie sposobów na modyfikacje tych metod oraz sformalizowanie ich definicji. Omówione zostały perturbacyjne i gradientowe metody atrybucji oraz inspirowany programem DeepDream algorytm służący do wizualizacji cech. Wyniki zostały przedstawione jako mapy istotności, mapy cieplne i mapy segmentacji.
The aim of this thesis is to present interpretation methods for convolutional neural networks, describe ways to modify them and formalize their definitions. It discusses perturbation and gradient-based attribution methods and DeepDream inspired algorithm for feature visualization. The results are presented as saliency maps, heat maps and segmentation maps.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 4.

Tytuł:: Deep learning for glaucoma diagnosis
Głębokie uczenie dla diagnostyki jaskry
Autorzy:: Knapik, Andrzej
Opis:: Celem niniejszej pracy magisterskiej było stworzenie oprogramowania, które w pełni automatycznie dokonywać będzie diagnozy jaskry na podstawie kolorowych zdjęć siatkówki oka. Skupiono się na aspekcie wyznaczania z obrazu wejściowego obszaru zainteresowania zawierającego tarczę nerwu wzrokowego, a także na dalszej analizie otrzymanego fragmentu z wykorzystaniem konwolucyjnych sieci neuronowych. Stworzony klasyfikator jest w rzeczywistości złożeniem trzech sieci. Dodatkowo został zaimplementowany prosty interfejs konsolowy, umożliwiający korzystanie z aplikacji.
The purpose of this thesis was to create the software that will be able to automatically diagnose glaucoma based on retinal images. The thesis concerns the optic disc segmentation in the input image, as well as analysis of the obtained fragment with the use of convolution neural networks. The created classifier is actually example of ensemble of three networks. In addition, a simple command line interface has been implemented.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 5.

Tytuł:: Głębokie uczenie konwolucyjnych sieci neuronowych dla problemów cheminformatycznych
Convolutional Neural Networks for Drug Design
Autorzy:: Pocha, Agnieszka
Opis:: Celem pracy jest podjęcie tematu screeningu wirtualnego poprzez zbudowanie modelu do klasyfikacji ligandów jako aktywnych bądź nieaktywnych na podstawie ich fingerprintów. Użyto konwolucyjnych sieci neuronowych i opisano dwa podejścia. Zaprezentowano dwie nowe metody pozwalające na użycie do uczenia sieci przykładów niepoetykietowanych.
The goal of this work is to address the problem of virtual screening by building a model that would classify ligands as active or inactive based on their fingerprints. Convolutional neural networks are used. Two approaches are described. Two new methods to include unlabelled samples in the learning procedure are presented.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 6.

Tytuł:: Zastosowanie sieci neuronowych do analizy rzutów kością do gry
Application of neural network to analysis of dice dots.
Autorzy:: Ozimek, Wojciech
Opis:: This thesis presents recognition the number of dice dots using neural networks. It consists of two main parts, creating datasets and building neural networks. During the first stage 984 pictures were taken manually. Later they were scaled, rotated and cropped to get between 50 and 100 thousands of photos, depends on each neural network.Second part was building and training of neural networks, using Keras library. After first results, the tasks were focus on selecting network parameters and working on bigger photos. Finally created neural networks allows to recognise number of dice dots on image in size 64x64 and 106x79 pixels.
Celem pracy było zastosowanie sieci neuronowych do rozpoznawania ilości oczek wyrzuconych na kości do gry. Praca składała się z tworzenie zbiorów danych oraz budowy i doskonalenia sieci neuronowych. W pierwszym etapie zrobiono 984 zdjeć które po skalowaniu, rotacji i kadrowaniu pozwoliły uzyskać od 50 do 100 tysięcy obrazów, zależnie od sieci do której były wykorzystywane. Drugą częścią pracy było tworzenie i trenowanie modeli sieci do rozpoznawania obrazów przy użyciu biblioteki Keras. Następnie skupiono się na dobieraniu odpowiednich parametrów sieci oraz próbach zastosowania ich do większych obrazów. Ostatecznie stworzone sieci neuronowe pozwalają na rozpoznawanie ilości oczek na kości na obrazach o wymiarach 64x64 oraz 106x79 pikseli.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 7.

Tytuł:: Rozpoznawanie tekstur przy użyciu konwolucyjnych sieci neuronowych z dodatkowymi informacjami na temat obrazu
Texture recognition using convolutional neural network with additional information about an image
Autorzy:: Borowa, Adriana
Opis:: Celem pracy było wykorzystanie dodatkowej informacji o kształcie i pozycji tekstury w obrazie, aby ulepszyć proces rozpoznawania tekstur. Dwa eksperymenty zostały wykonane, w pierwszym eksperymencie zostało stworzonych dziesięc modyfikacji obrazów. Konwolucjonalna sieć neuronowa AlexNet została przetestowana na tych danych i otrzymane wyniki, dla trzech najlepszych modyfikacji, były prawie tak dobre jak dla oryginalnych danych. Te modyfikacje zostały wykorzystane w drugim eksperymencie do trenowania sieci. Wyniki tego eksperymentu były bardzo bliskie, lecz gorsze niż dla sieci trenowanej na oryginalnych danych, ten wynik mógłby być prawdopodobnie poprawiony przez użycie większej ilości danych.
The aim of the work is to use an additional information about the shape and the position of the texture in the image to improve the process of texture recognition. Two experiments are presented, in the first one, ten different modification of an image are introduced, and then convolutional neural network AlexNet is tested on this data. Results of this experiments, in the case of three best types of data, are almost as good as when testing on the original data. In the second experiment AlexNet is tested using those three types of data, but those networks didn't performed better than network trained on original data. However, obtained results are very close to the baseline. Introducing more data while training might have improved those results.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 8.

Tytuł:: Identyfikacja źródła artykułów prasowych wykorzystująca zaawansowane metody przetwarzania języka naturalnego
Identification of press articles source using advanced methods of natural language processing
Autorzy:: Sieńko, Michał
Opis:: Problem klasyfikacji często pojawia się w literaturze związanej z przetwarzaniem języ-ka naturalnego. Poruszano kwestię analizy sentymentu, wykrywania spamu. Nie spotkanonatomiast próby określania portalu internetowego, z jakiego pochodzi artykuł prasowy.W niniejszej pracy skupiono się właśnie na tej kwestii. W tym celu przeprowadzono eks-perymenty przy użyciu konwolucyjnych oraz rekurencyjnych konwolucyjnych sieci neuro-nowych. Ich zadaniem było wskazanie poprawnego źródła artykułu spośród sześciu pol-skojęzycznych portali informacyjnych. Dla znanego modelu zaproponowano modyfikacjęprocesu uczenia, dzięki której udało się osiągnąć precyzję 66%. Udowodniono tym, żepoprzez zastosowanie zaawansowanych metod przetwarzania języka naturalnego możliwejest rozpoznanie źródła artykułu prasowego na wyżej wspomnianym poziomie.
The problem of classification frequently appears in the body of literature on Natu-ral Language Processing. The issue of sentiment analysis as well as spam detection hasbeen discussed. However, no trial of identifying the webpage from which a press articleoriginates has been conducted. The following thesis focuses on this issue. To that end,the experiments with the use of convolutional and recurrent convolutional neural networkhave been performed. Its task was to determine accurate document source from among sixPolish information portals. For a well-known model, the modification of teaching processwas introduced which allowed to achieve 66% accuracy. The conducted experiment provedthat adopting advanced methods of Natural Language Processing enabled identification ofarticle source on the abovementioned accuracy level.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 9.

Tytuł:: Selected methods of computer-aided diagnostics of melanoma malignum
Wybrane metody komputerowej diagnostyki czerniaka skóry
Autorzy:: Janik, Tomasz
Opis:: Zrozumienie i opisanie wybranych metod komputerowej diagnostyki czerniaka skóry może pozwolić na rozwiązanie jednego z najczęściej występujących problemów współczesnej onkologii, czyli późnej diagnozy nowotworu. W pracy licencjackiej przedstawione zostały zarówno teoretyczne aspekty związane z nowotworem skóry, nauczaniem maszynowym oraz sztuczną inteligencją, jak i praktyczne wykorzystanie głębokich sieci neuronowych w procesie klasyfikacji. Wspomniany proces pozwala na określenie czy na zdjęciu zmiany skórnej znajduje się melanoma malignum. Dodatkowo został w niej opisany proces polegający na eksploracji i obróbce danych, których późniejsza analiza posłużyła do stworzenia i przetestowaniach skuteczności dwóch różnych podejść klasyfikacji zdjęć oraz budowy modeli głębokich sieci neuronowych tak, by uzyskały one jak najlepszą skuteczność rozpoznawania czerniaka skóry.
The process of understanding and characterizing selected methods of computer-aided diagnostics of melanoma malignum can be a way of solving one of the most common problems of modern oncology, which is late diagnosis of cancer. This bachelor’s thesis presents both theoretical aspects related to skin cancer, machine learning and artificial intelligence, as well as the practical use of deep neural networks in process of classification whether skin lesion is melanoma malignum or not. In addition it describes the process of data mining and processing required for data analysis used to create and test the accuracy of two different approaches of classifying images and building models of deep neural networks that obtain the best accuracy in melanoma malignum recognition.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 10.

Tytuł:: Selected methods of computer-aided diagnostics of melanoma malignum
Wybrane metody komputerowej diagnostyki czerniaka skóry
Autorzy:: Kwaśniak, Nikodem
Opis:: Zrozumienie i opisanie wybranych metod komputerowej diagnostyki czerniaka skóry może pozwolić na rozwiązanie jednego z najczęściej występujących problemów współczesnej onkologii, czyli późnej diagnozy nowotworu. W pracy licencjackiej przedstawione zostały zarówno teoretyczne aspekty związane z nowotworem skóry, nauczaniem maszynowym oraz sztuczną inteligencją, jak i praktyczne wykorzystanie głębokich sieci neuronowych w procesie klasyfikacji. Wspomniany proces pozwala na określenie czy na zdjęciu zmiany skórnej znajduje się melanoma malignum. Dodatkowo został w niej opisany proces polegający na eksploracji i obróbce danych, których późniejsza analiza posłużyła do stworzenia i przetestowaniach skuteczności dwóch różnych podejść klasyfikacji zdjęć oraz budowy modeli głębokich sieci neuronowych tak, by uzyskały one jak najlepszą skuteczność rozpoznawania czerniaka skóry.
The process of understanding and characterizing selected methods of computer-aided diagnostics of melanoma malignum can be a way of solving one of the most common problems of modern oncology, which is late diagnosis of cancer. This bachelor’s thesis presents both theoretical aspects related to skin cancer, machine learning and artificial intelligence, as well as the practical use of deep neural networks in process of classification whether skin lesion is melanoma malignum or not. In addition it describes the process of data mining and processing required for data analysis used to create and test the accuracy of two different approaches of classifying images and building models of deep neural networks that obtain the best accuracy in melanoma malignum recognition.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Informacja

Wyszukujesz frazę "Convolutional Neural Network" wg kryterium: Temat