Računalniško podprto določanje oslonilnih točk srčne zaklopke v tridimenzionalnih računalniško tomografskih slikah srca na podlagi globokega učenjaŠkrlj, Luka (Avtor) Vrtovec, Tomaž (Mentor) analiza medicinskih slikrazpoznavanje oslonilnih točkgloboko učenjekonvolucijske nevronske mrežespodbujevano učenjeaortna zaklopkamorfometrijaračunalniška tomografija.Diagnoza in ocena morfologije aortne zaklopke imata kljuˇcno vlogo pri ocenjevanju zdravja srca in ožilja. V magistrskem delu se ukvarjamo z vrednotenjem računalniško podprtih metod za določanje oslonilnih točk na aortni zaklopki v medicinskih slikah srca z uporabo tehnik strojnega učenja. Uporabili smo metodi nevronske mreže prostorske razporeditve (angl. spatial configuration network, SCN) in komunikacijskega večagentnega spodbujevanega učenja (angl. communicative multi-agent reinforcement learning, C-MARL). V raziskavi je uporabljen nabor podatkov, ki vsebuje 120 slik srca zdravih oseb in 40 slik srca bolnih oseb, ki so bile pridobljene s slikovno tehniko računalniške tomografije (angl. computed tomography). Raziskava obravnava potrebo po robustni pred-obdelavi slik in uvaja tehniko obrezovanja slik na območje zanimanja, ki temelji na registraciji atlasa, z namenom izboljšanja natančnosti določanja oslonilnih točk. Rezultati potrjujejo učinkovitost metod SCN in C-MARL. Če primerjamo rezultate določanja oslonilnih točk, je metoda SCN za slike zdravih oseb dosegla povprečno evklidsko razdaljo med avtomatsko določenimi in referenčnimi poločaji oslonilnih točk 1,14 ± 0,78 mm, metoda C-MARL pa 1,42 ± 0,82 mm. Pri slikah bolnih oseb je metoda SCN dosegla 3,43 ± 6,00 mm, medtem ko je metoda C-MARL dosegla 2,66 ± 3,99 mm. Rezultati imajo odločilen pomen za klinično prakso, saj povečujejo natančnost pri ocenjevanju morfologije aortne zaklopke. Vključitev metode SCN v spletno aplikacijo predstavlja praktično uporabnost raziskave. Ta inovacija omogoča zdravstvenim delavcem, da z uporabniku prijaznim vmesnikom izkoristijo moč razpoznavanja oslonilnih točk za analizo medicinskih slik, kar omogoča hitrejše in bolj informirane odločitve.20232023-09-11 08:39:08Magistrsko delo/naloga149856sl