Avtomatska segmentacija lezij na medicinskih slikahAnđelković, Stefan (Avtor) Skočaj, Danijel (Mentor) segmentacijaPETCTanaliza medicinskih slikV diplomskem delu je opisan postopek segmentacije lezij na medicinskih slikah z uporabo globokega učenja. Predstavljene so različne metode, ki se uporabljajo za segmentacijo, začenši z najbolj znano in priljubljeno metodo U-Net. Nato je predstavljena izboljšana različica, U-Net++, in na koncu bolj sodobna metoda SegFormer, ki temelji na arhitekturi Transformer. Preizkusili smo segmentacijo treh vrst slik: navadne PET slike, CT slike in kombinacijo PET in CT slik ter prikazali razliko v zahtevnosti segmentacije teh različnih tipov slik. Naši eksperimenti kažejo, da je segmentacija PET slik najlažja, saj smo pri njih dosegli najboljše rezultate. CT slike so se izkazale za precej bolj zahtevne za segmentacijo, medtem ko kombinacija PET in CT slik ni prinesla bistvenega izboljšanja natančnosti.20242024-09-12 10:25:11Diplomsko delo/naloga161558sl