Zasnova radiologom uporabnih razlag napovedi raka dojk s segmentacijo mamografskih slikRupnik, Lenart (Avtor) Groznik, Vida (Mentor) Sadikov, Aleksander (Komentor) razložljiva umetna inteligencagloboko učenjesegmentacijamamografske slikerak dojkRak dojk letno prizadene približno 2,3 milijona žensk po svetu in v Sloveniji povzroči več kot 1.300 novih diagnoz. Presejalne teste kljub učinkovitosti omejujejo velika količina podatkov, variabilnost med ocenjevalci ter lažni rezultati. Čeprav obstajajo metode umetne inteligence za napovedovanje, te pogosto ne vzpostavljajo zadostnega zaupanja pri radiologih. V tem magistrskem delu je predstavljena zasnova radiologom uporabnih napovedi raka dojk, ki temelji na segmentaciji mamografskih slik. Po začetni primerjavi treh modelov (UNeXt, SegFormer in MedSAM) smo izbrali prednaučen model MedSAM, ki smo ga doučili z uporabo podatkovnega nabora CSAW-CC. Napovedi so bile izvedene na izsekih slik s kasnejšo rekonstrukcijo celotnih mamografskih slik, pri čemer so lezije na končni sliki jasno predstavljene z obkrožitvijo. Na testni množici sta bila dosežena koeficient Dice 0,72 in IoU 0,59 – kar je primerljivo z literaturo. V anketi so radiologi potrdili zadovoljstvo z napovedmi. Delo prispeva k zasnovi in razvoju razložljivih orodij, ki so primarno namenjena končnim uporabnikom – radiologom.20262026-08-25 10:30:09Magistrsko delo/naloga185989VisID: 38489COBISS_ID: 289189379sl