Többcímkés mélytanuló hálózatok optimalizálása orvosi képfeldolgozási feladatokra

A tétel rövid nézete
dc.contributor.advisorHarangi, Balázs
dc.contributor.authorKatona , Tamás
dc.contributor.departmentInformatikai tudományok doktori iskolahu
dc.contributor.submitterdepInformatikai Kar::Adattudomány és Vizualizáció Tanszék
dc.date.accessioned2024-08-17T13:58:04Z
dc.date.available2024-08-17T13:58:04Z
dc.date.created2024
dc.date.defended2024
dc.description.abstractEbben a disszertációban a többcímkés osztályozás problémakörét vizsgáltuk meg mellkasröntgen felvételeken. A mellkasröntgen felvételek elemzése kritikus jelentőségű a különböző tüdő, szív és sok más betegség diagnosztizálásában. A többcímkés osztályozás lehetővé teszi, hogy egy adott röntgenfelvételen több betegség jelenlétét is detektálja. Ez különösen fontos, mivel egyetlen felvételen egyszerre több betegség is előfordulhat. Az általunk vizsgált megközelítések a mélytanulási modellek hatékonyságára és pontosságára építenek, különös tekintettel a CNN-ek alkalmazásával.
dc.description.abstractIn this dissertation, we investigated the problem of multi-label classification in chest radiographs. Analysis of chest X-ray images is critical in the diagnosis of various lung, heart and many other diseases. Multi-label classification allows the presence of multiple diseases to be detected on a single radiograph. This is particularly important as several diseases can be present on a single scan at the same time. The approaches we investigate rely on the efficiency and accuracy of deep learning models, in particular using CNNs.
dc.format.extent140
dc.identifier.urihttps://hdl.handle.net/2437/379039
dc.language.isohu
dc.subjectmélytanulás, röntgen, mellkasröntgen,gépi tanulás, számítógépes látás
dc.subjectdeeplearnig, x-ray, chest x-ray, cnn, image processing, machine learning, computer vision
dc.subject.disciplineInformatikai tudományokhu
dc.subject.sciencefieldMűszaki tudományokhu
dc.titleTöbbcímkés mélytanuló hálózatok optimalizálása orvosi képfeldolgozási feladatokra
dc.title.translatedOptimization of multi-label deep learning networks for medical image processing tasks
Fájlok
Eredeti köteg (ORIGINAL bundle)
Megjelenítve 1 - 2 (Összesen 2)
Nincs kép
Név:
katona-tamas-ertekezes.pdf
Méret:
1.23 MB
Formátum:
Adobe Portable Document Format
Letöltés
Nincs kép
Név:
katona-tamas-tezis-rest.pdf
Méret:
1.32 MB
Formátum:
Adobe Portable Document Format
Letöltés
Engedélyek köteg
Megjelenítve 1 - 1 (Összesen 1)
Nincs kép
Név:
license.txt
Méret:
1.93 KB
Formátum:
Item-specific license agreed upon to submission
Leírás:
Letöltés
Gyűjtemények
Informatikai Tudományok Doktori Iskola