Globoke nevronske mreže za klasifikacijo spektralno-prostorskih podatkov FTIRJesenk, Svit (Avtor) Zupan, Blaž (Mentor) Toplak, Marko (Komentor) FTIRspektroskopijagloboke nevronske mrezeklasifikacija tkivakonvolucijske nevronske mrezemetoda podpornih vektorjevKo zdravnik pri diagnozi raka pod mikroskopom pregleduje vzorec tkiva, da bi v celicah prepoznal bolezenske spremembe, mora biti vzorec prej kemično obarvan, kar postopek upočasni in vzorec trajno spremeni. V tej nalogi obravnavamo alternativo barvanju: klasifikacijo tkiva na podlagi infrardeče spektroskopije (angl. Fourier-transform infrared spectroscopy, FTIR), pri kateri vsak piksel namesto barve nosi celoten spekter, iz katerega je mogoče sklepati na kemično strukturo vzorca in iz nje na vrsto tkiva. Taki podatki so veliki, spektralni in prostorski hkrati (spektralna slika), zato je naravna izbira uporaba globokih nevronskih mrež, ki lahko izkoristijo obe vrsti informacije. Replicirali smo enega prvih znanstvenih člankov, ki za ta problem uporabi konvolucijske nevronske mreže; primerja več modelov in pokaže, da prostorska informacija izboljša napovedi, ne objavi pa izvorne kode niti vseh podrobnosti za zanesljivo ponovitev rezultatov. V nalogi predlagane modele čim zvesteje ponovimo na dveh fizično ločenih tkivnih rezinah, sistematično razrešimo manjkajoče podrobnosti in dodamo lastne izboljšave. Primerljivi rezultati z izvornim člankom potrjujejo enakovredne modele, med njimi najkompleksnejšega, prostorsko-spektralnega, ki doseže klasifikacijsko točnost 81,56 % ± 3,18 (deset ponovitev) proti člankovim 79,18 % ± 1,34.20262026-08-28 12:10:34Diplomsko delo/naloga186220sl