14. 11. 2019  8:26 Irma
Akademický informační systém

Lidé na STU


Na této stránce máte zobrazeny všechny veřejně přístupné údaje o zadané osobě. Některé informace o personálním zařazení a funkcích osoby mohou být skryty.

Ing. Marek Jakab
Identifikační číslo: 5669
Univerzitní e-mail: marek.jakab [at] stuba.sk
 
Výskumný pracovník s VŠ vzdelaním - Ústav počítačového inžinierstva a aplikovanej informatiky (FIIT)
 
2511V00  aplikovaná informatika D-AI
FIIT D-AI pres [roč 3]
Doktorský typ studia, denní presenční forma
3. ročník

Kontakty     Absolvent     Výuka     Závěrečná práce     
Projekty     Publikace     Vedené práce     

Základní informace

Základní informace o závěrečné práci

Typ práce: Diplomová práce
Název práce:Sémantická segmentácia obrazu s využitím konvolučných neurónových sietí
Autor: Ing. Marek Števuliak
Pracoviště: Ústav počítačového inžinierstva a aplikovanej informatiky (FIIT)
Vedoucí práce: Ing. Marek Jakab
Oponent:Ing. Lukáš Hudec
Stav závěrečné práce:Závěrečná práce byla úspěšně obhájena


Doplňující informace

Následují doplňující informace závěrečné práce. Kliknutím na odkaz s názvem jazyka zvolíte, v jakém jazyce mají být informace zobrazeny.

Jazyk zpracování závěrečné práce:anglický jazyk

slovenský jazyk        anglický jazyk

Název práce:Semantic image segmentation utilizing convolutional neural networks
Abstrakt:Image segmentation as one of the computer vision methods is increasingly used in the medical domain. With deep learning introduction, techniques utilizing convolutional neural networks come to attention. In this work, we deal with brain tumor segmentation problem from magnetic resonance imaging (MRI), considered financially and time demanding when carried out manually. To tackle this specific and complex domain problem, the mentioned convolutional networks have proved competent due to significantly better performance than standard segmentation approaches. Therefore, within our research, we dedicate our time to analysis and design of fully-automatic method based on aforementioned networks, yielding the output in form of segmentation mask which captures a tumor classified into 4 sub-tumoral regions. We analyze pros and cons of the state of the art brain tumor segmentation techniques. During elaboration, we propose multiple architectures, training phases, and evaluation metrics based on the analysis. Our goal is reliable automatic method, specialized on helping the experts with delineation of tumorous tissues.
Klíčová slova:brain tumor segmentation, deep learning, computer vision, segmentation of medical data, convolutional neural networks

Zobrazení a stahování souborů

Pokud chcete zobrazit zadání závěrečné práce, klikněte na ikonu Zobrazit zadání. Ikony Závěrečná práce, Přílohy práce, Posudek vedoucího a Posudek oponenta představují soubory týkající se závěrečné práce, které je možné stáhnout. Budou zobrazeny pouze v případě, že je soubor vložen a zároveň je veřejný.

Zobrazit zadání

Části práce s odloženým zveřejněním:

Závěrečná práce (přílohy závěrečné práce) neomezeně
Posudky závěrečné práce neomezeně