Student Računarskog fakulteta Petar Arnautović je u utorak, 26. aprila 2022. godine odbranio diplomski rad na temu Klasifikacija pneumonijalnih nalaza sa konvolutivnim neuronskim mrežama pred komisijom koju su činili mentor dr Jelena Vasiljević i član dr Dušan Vujošević.
U uvodu svog rada Petar je istakao sledeće:
Oduvek je čovek pokušavao da razume šta je to inteligencija i kako ona fukncioniše, kako mi zapravo razmišljamo i učimo. Na osnovu kojih parametara donosi zaključke i odluke, predviđa i tumači određene probleme. To su neka pitanja na koje i danas čovečanstvo ne može u potpunosti da odgovori.
Veštačka inteligencija (Artificial Intelligence) pokušava ne samo da odgovori na ta pitanja i da ih razume, već da oponaša ljudsku inteligenciju. Danas, veštačka inteligencija je napredna oblast sa mnogo praktičnih delova i izazovnih istraživačkih tema. Inteligentni softveri, poput prepoznavanje govora, algoritama za socijalne mreže, pametni asistenti (Alexa, Google Home, Apple HomePod), sve su više u dnevnom životu prisutni.
…
Zbog važnosti klasifikacije medicinskih slika i malog skupa podataka, u ovom radu sam izabrao klasifikaciju zasnovanu na konvolutivnim neuronskim mrežama. Koristili smo skup podataka sa rendgenskim slikama grudnog koša. Korišćenjem različitih pristupa dobija se najbolji rezultat preciznim podešavanjem („Fine Tuning“). Uopšteno govoreći, metode konvolutivnih neuronskih mreža bolje su od tradicionalnih metoda jer mogu da uče i biraju karakteristike efikasno i automatski. Mreža koja je jednostavna ne može obično da nauči dovoljno samo iz podataka, pa zbog toga ne postiže visoku tačnost. S druge strane, previše komplikovane mreže teže se obučavaju i mogu da se brzo prepune, pa preciznost ostaje niska. Model koji ima odgovarajuću dimenziju i efikasne metode za sprečavanja optrećivanja mreže može da dobije najbolje rezultate. U našoj mreži, „recall“ je bio veoma visok, skoro 100%. Postizanje takvog rezultata može se nazvati veoma dobrim i pokazatelj je da je model uspešan, s obzirom da je skup podataka za obuku bio relativno mali.
Konvolutivne neuronske mreže postigle su zadivljujuće rezultate različitim oblastima, uključujući medicinska dostignuća, a sve je veći interes primene u radiologiji i patologiji. Poznavanja ključnih koncepata i prednosti konvolutivnih neuronskih mreža kao i ograničenja dubokog učenja je od suštinskog značaja za korišćenje ovih tehnologija u radiološkim istraživanjima. Cilj takvih istraživanja je poboljšanje rada radiologa i bolja briga o pacijentima. – zaključio je Petar.
Fotografije sa odbrane dostupne su u galeriji.