Student Računarskog fakulteta Đorđe Anđelković je u sredu, 21. avgusta 2024. godine odbranio diplomski rad na temu Primena neuronskih mreža uklasifikaciji medicinskih slika pred komisijom koju su činili mentor dr Jelena Vasiljević i član dr Nemanja Radosavljević.
U apstraktu svog rada Đorđe Anđelković istakao je sledeće:
U ovom radu istražujemo efikasnost i tačnost korišćenja dubokog učenja, konkretno konvolutivnih neuronskih mreža (CNN), za klasifikaciju mamografskih snimaka. Cilj je da se automatizuje proces prepoznavanja malignih i benignih tumora dojke, čime se poboljšava tačnost i brzina dijagnostike. Podaci korišćeni za obuku modela dolaze iz poznatih medicinskih baza podataka koje sadrže obeležene snimke sa tumorima i bez. Rad obuhvata detaljan opis metodologije, uključujući pripremu podataka, izbor i modifikaciju modela, postupak obuke i evaluacije, kao i analizu rezultata.
Korišćenjem predtreniranih modela, kao što je ResNet18, mogu da se značajno poboljšaju performanse klasifikacije. Implementacija modela u Python programskom jeziku sa PyTorch bibliotekom omogućila je efikasno upravljanje obukom i evaluacijom modela na Google Colab platformi. Rezultati pokazuju da je model postigao visoku tačnost u prepoznavanju različitih tipova tumora dojke, što ukazuje na njegov potencijal za dalju primenu.
…
U okviru ovog diplomskog rada, razvijen je model zasnovan na konvolutivnoj neuronskoj mreži ResNet18, prilagođen za klasifikaciju mamografskih snimaka u tri klase: benigni tumori, maligni tumori i regularno tkivo. Model je postigao zadovoljavajuće rezultate, posebno u prepoznavanju regularnog tkiva, dok su performanse u klasifikaciji benignih i malignih tumora pokazale prostor za poboljšanje.
Postoje brojne mogućnosti za unapređenje modela u daljem radu. Na primer, upotreba složenijih modela, kao što je ResNet50, mogla bi dovesti do boljih rezultata zahvaljujući većoj kapacitetnosti modela da prepozna složenije obrasce u podacima. ResNet50 ima više slojeva i veći broj parametara, što mu omogućava da uči dublje reprezentacije podataka, ali to takođe zahteva i više resursa za treniranje. – zaključio je Đorđe.
Fotografije sa odbrane dostupne su u galeriji.