Uporaba algoritma globokega učenja YOLO za detekcijo objektov na mamografskih slikahBIZILJ, EVA (Avtor) Brodnik, Andrej (Mentor) Žibert, Janez (Komentor) globoko učenjedetekcija objektovmamografijakonvolucijska nevronska mrežaalgoritem YOLOV diplomski nalogi smo uporabili algoritem globokega učenja YOLO za detekcijo štirih ključnih objektov (mamile, vrha dojke, dna dojke in prsne mišice) na mamografskih slikah. Za učenje modelov smo uporabili podatkovno zbirko 308 mamografskih slik, ki je v lasti Zdravstvene fakultete, Univerze v Ljubljani. Mamografske slike, ki so narejene v projekcijah CC in MLO smo naključno razdelili v učno (~ 70 % slik), validacijsko (~ 15 % slik) in testno množico (~ 15 % slik). Slike smo označili z orodjem za označevanje slik CVAT. Nato smo na različnih velikostih slik izvedli učenje in vrednotenje modelov z algoritmom YOLOv3 in YOLOv5. Vsi modeli so bili prednaučeni na podatkovni zbirki slik MS COCO. Dobljene modele smo med seboj primerjali po uspešnosti detekcije objektov z uporabo srednje povprečne natančnosti (mAP), natančnosti in priklica. Z algoritmom YOLOv5 smo dobili najboljša modela. Model YOLOv5 je na CC slikah dosegel 88,2 % mAP, 91,8 % natančnost in 87,5 % priklic na testni množici, model YOLOv5 na MLO slikah pa 99,5 % mAP, 99,3 % natančnost in 94,4 % priklic na testni množici.20232023-02-03 15:35:00Diplomsko delo/naloga144200sl