Využití Deep Learning v medicínských aplikacích
| dc.contributor.advisor | Klečková Jana, Doc. Dr. Ing. | |
| dc.contributor.author | Košan, Pavel | |
| dc.contributor.referee | Kryl Martin, Ing. | |
| dc.date.accepted | 2023-6-13 | |
| dc.date.accessioned | 2023-08-02T10:47:38Z | |
| dc.date.available | 2022-10-3 | |
| dc.date.available | 2023-08-02T10:47:38Z | |
| dc.date.issued | 2023 | |
| dc.date.submitted | 2023-5-4 | |
| dc.description.abstract | Cílem této práce je poskytnout základní popis hlubokého učení a jeho možná využití pro analýzu biomedicínských dat. Nejprve jsou vysvětleny základní teoretické koncepty a algoritmy, na kterých je založeno současné hluboké učení. Poté jsou představeny důležité třídy a architektury hlubokých neuronových sítí s možnostmi jejich aplikace v medicíně. V rámci praktické části se tato práce zabývá třemi příklady aplikace hlubokého učení pro tři různé medicínské datové množiny. Zvláštní pozornost je věnována poslednímu příkladu, který se zabývá segmentací CT snímků mozku | cs |
| dc.description.abstract-translated | The aim of this work is to provide a basic description of deep learning and its possible use for the analysis of biomedical data. First, the fundamental theoretical concepts and algorithms on which contemporary deep learning is based are explained. Then the important classes and architectures of deep neural networks are presented with the possibilities of their application in medicine. As part of the practical part, this work deals with three examples of deep learning applications for three different medical datasets. Special attention is paid to the last example which deals with segmentation of CT brain images. | en |
| dc.description.result | Obhájeno | |
| dc.format | 81 | |
| dc.identifier | 93769 | |
| dc.identifier.uri | http://hdl.handle.net/11025/53770 | |
| dc.language.iso | cs | |
| dc.publisher | Západočeská univerzita v Plzni | |
| dc.rights | Plný text práce je přístupný bez omezení | |
| dc.subject | hluboké učení | cs |
| dc.subject | umělé neuronové sítě | cs |
| dc.subject | algoritmus učení | cs |
| dc.subject | třídy a architektury neuronových sítí | cs |
| dc.subject | medicínské aplikace | cs |
| dc.subject | klasifikace | cs |
| dc.subject | segmentace | cs |
| dc.subject | biomedicínská data | cs |
| dc.subject.translated | deep learning | en |
| dc.subject.translated | artifical neural networks | en |
| dc.subject.translated | learning algorithm | en |
| dc.subject.translated | classes and architectures of neural networks | en |
| dc.subject.translated | medical applications | en |
| dc.subject.translated | classification | en |
| dc.subject.translated | segmentation | en |
| dc.subject.translated | biomedical data | en |
| dc.thesis.degree-grantor | Západočeská univerzita v Plzni. Fakulta aplikovaných věd | |
| dc.thesis.degree-level | Bakalářský | |
| dc.thesis.degree-name | Bc. | |
| dc.thesis.degree-program | Inženýrská informatika | |
| dc.title | Využití Deep Learning v medicínských aplikacích | cs |
| dc.title.alternative | The use of Deep Learning in medical applications | en |
| dc.type | bakalářská práce |
Files
Original bundle
1 - 5 out of 6 results
No Thumbnail Available
- Name:
- Text_prace.pdf
- Size:
- 3.7 MB
- Format:
- Adobe Portable Document Format
- Description:
- Plný text práce
No Thumbnail Available
- Name:
- A20B0541P_Posudek.pdf
- Size:
- 420.03 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek oponenta práce
No Thumbnail Available
- Name:
- A20B0541P_Hodnoceni.pdf
- Size:
- 134.37 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek vedoucího práce
No Thumbnail Available
- Name:
- A20B0541P_Obhajoba.pdf
- Size:
- 70.48 KB
- Format:
- Adobe Portable Document Format
- Description:
- Průběh obhajoby práce
No Thumbnail Available
- Name:
- A20B0541P_Zadani.pdf
- Size:
- 13.65 KB
- Format:
- Adobe Portable Document Format
- Description:
- VŠKP - příloha