Szerző szerinti böngészés "Kupás, Dávid"
Megjelenítve 1 - 4 (Összesen 4)
Találat egy oldalon
Rendezési lehetőségek
Tétel Szabadon hozzáférhető Annotated Pap cell images and smear slices for cell classification(2024) Kupás, Dávid; Hajdu, András; Kovács, Ilona; Hargitai, Zoltán; Szombathy, Zita; Harangi, BalázsTétel Szabadon hozzáférhető Distinguishing the Uterine Artery, the Ureter, and Nerves in Laparoscopic Surgical Images Using Ensembles of Binary Semantic Segmentation Networks(2024) Serban, Norbert; Kupás, Dávid; Hajdu, András; Török, Péter; Harangi, BalázsTétel Korlátozottan hozzáférhető Mélytanulás alapú sejtosztályozás kiegyensúlyozatlan adathalmaz eseténKupás, Dávid; Harangi, Balázs; DE--Informatikai KarAz úgynevezett PAP-teszt, más néven Papanicolau rendszer, a méhnyak felszínéről levált sejtek mikroszkópikus vizsgálatát jelenti, mely rákmegelőző állapotok, valamint a korai méhnyakrák felismerését teszi lehetővé. A PAP-teszt során speciális mikroszkópok segítségével vizsgálják az elkészült sejtkenetet, melyek akár több, mint 10000 sejtet is tartalmazhatnak. Egy beteg páciens esetén ezen sejtek alacsony hányadát képezik az elváltozott sejtek. A vizsgálat során a citológusok feladata a keneteken felismerni az egészségestől eltérő sejteket ami egy meglehetősen időigényes és így költséges feladat. Egy ilyen kenet megfelelő módon történő digitalizálását követően, egy korábbi kutatás eredménye alapján automatikus sejtszegmentálás történik, melynek eredményeképpen előáll egy bináris maszk, amely beazonosítja a keneten található sejtcsoportokat. Ezen algoritmus eredményeit használva bemenetként, egy automatizált szeletelő algoritmust futtatunk, mely által kinyerjük az egyes sejteket tartalmazó képszeleteket. A rendelkezésre álló adatbázisom kiegyensúlyozatlan volt, vagyis az egészséges képek túlnyomó többségben voltak. Munkám során ezen probléma megoldásához dolgoztam ki új módszert. Egy citológusok által annotált adathalmazt felhasználva egy mély tanuló hálózatot tanítottam be, melynek célja a sejtek bináris osztályozása volt. Az így kapott eredményeket tekintve szükség volt egy olyan megoldásra, mely a hálózat pontosságát növeli kiegyensúlyozva a rendelkezésre álló adathalmazt. Irodalomból ismert szintetikus képgeneráló algoritmus általam továbbfejlesztett változatát használtam, mely az osztályozásra nézve is megbízhatóan beteg sejteket generálva megoldja a kiegyensúlyozatlanságot. Az így kapott képekkel kibővítettem a meglévő adathalmazt amit alkalmazva az előzőekben használt modell újra tanítása során, a modell teljesítménye tovább növekedett. A beteg sejtek priorizálása végett egy általam javasolt kombinált mutatót használtam a teljesítmény méréséhez.Tétel Korlátozottan hozzáférhető Neurológiai elváltozások diagnosztizálására alkalmas döntéstámogató rendszer fejlesztéseKupás, Dávid; Harangi, Balázs; DE--Informatikai KarA pszichiátria területén jelenleg alkalmazott neurológiai elváltozások vizsgálatára használt módszer kellemetlen, hosszadalmas és költséges folyamat, melynek során többek között a vizsgált személyek szemmozgásait is figyelik. Célom egy olyan rendszer fejlesztése, mely képes a páciens tekintetének követésére, illetve alkalmas a megfelelő adatok gyűjtésére. Az összegyűjtött adatokból következtetéseket tud levonni a pontosabb és szélesebb körű diagnosztizálás érdekében. Az elmúlt időszakban egy olyan vizsgálat került megvalósításra, mely során a páciens egy előre generált videót követ figyelemmel, miközben tekintetének koordinátáit egy Tobii Eye X Controller segítségével rögzítjük. A vizsgálat során szerzett adatok statisztikai leírókat használva, kvantitatív módszerekkel elemzésre kerültek. Python nyelven íródott szoftverrel vizsgáljuk ezen adatokat, mely során célunk azon abnormalitások megtalálása, melyek utalhatnak a páciens betegségeire, mint például az ugráló szemmozgás vagy a lemaradó követés. Munkám során 28 személyt sikerült vizsgálni, melyek közül 10 beteg és 18 egészségesnek feltételezhető. Ezen személyek vizsgálataiból előállított adatokra alkalmas klaszterező algoritmusokat futtattunk. A kutatói munkám során létrehozott programok segítségével alkalmas tulajdonságokat sikerült kinyerni a vizsgálat során létrejött adatokból. Ezen tulajdonságokat felhasználva klaszterezés során sikerült az általunk elemzett 28 személyt 2 egymástól elkülönülő csoportba (feltehetőleg beteg és egészséges) sorolni, mely arra utal, hogy a rendszerünket használva lehetséges diagnosztizálni a neurológiai elváltozásokat. Az általunk ajánlott megoldás rövidebbé, kényelmesebbé és olcsobbá teheti a jelenlegi diagnosztikai módszereket, ezzel újabb eszközt biztosítva az orvosok számára.