A gép tanulási algoritmusok hatékonyságának vizsgálata a vizuális képminőséget befolyásoló paratméterek függvényében

Nyomtatóbarát változatNyomtatóbarát változat
Cím angolul: 
Investigation of the efficiency of machine learning algorithms due to factors affecting visual image quality
Típus: 
MSc diplomamunka téma - orvosi fizika
Félév: 
2020/21/2.
Témavezető: 
Név: 
Dr. Légrády Dávid
Email cím: 
legrady@reak.bme.hu
Intézet/Tanszék/Cégnév: 
NTI
Beosztás: 
Egy.docens
Hallgató: 
Név: 
Fekete Dávid
Képzés: 
Fizikus MSc - orvosi fizika
Elvárások: 

gépi tanulás alapos ismerete, orvosi képalkotás alapos ismerete, jó programozási készség, analitikus gondolkodás

Leírás: 

A gép tanulásos algoritmusok térnyerése a műszaki feladatok szinte minden területén szembeötlő, nem kivétel ebben az orvosi képalkotás sem. Általában az orvosi szem vizuális észlelete számára készített, humán befogadóra optimalizált képalkotó algoritmusok kimeneteit használja fel a neurális háló, hogy radiomikai mérőszámokat határozzon meg, diagnosztikus döntést kíséreljen meg vagy a kép zajtartalmát csökkentse. A mesterséges intelligencia kimenetei oldalához jelenleg még nem gyakori (általában a számítási kapacitás szűkössége miatt) a bemenő információtartalom maximlizálása szemben a humán befogadó vizuális információfeldolgozási szempontjai helyett. A téma lényege annak vizsgálata, hogy a bemenő adathalmaz szerkezete hogyan befolyásolja a gépi tanulás kimenetelének minőségét elsősorban a vizuális észleletet pozitívan befolyásoló képfelvételi, képrekonstrukciós és képfeldolgozási lépések tekintetében. A vizsgálat célja annak eldöntése, hogy mely paraméterek befolyásolják egy gépi megfigyelő tanulási folyamatát a leginkább. A vizsgálathoz rendelkezésre áll CT és MRI modalitású mérőberendezések, Monte-Carlo alapú mérésiadat-szimulátorok, tomográfiás képrekonstrukciós szoftverek és képfeldolgozási algoritmusok, melyekkel a szükséges tanuló adatsorok előállíthatóak. 

A hallgató feladata

- olyan mérési és/vagy szimiulált probléma megfogalmazása, mellyel a gépi tanulási algoritmus input-érzékenysége tesztelhető,

- a mérése/ szimulációk paraméterfüggő elvégzése a gépi tanulás számára,

- a neurális háló létrehozása és betanítása,

- az eredmények értékelése. 

Mivel a folyamatot a mérési vagy szimulációs idő mértéke illetve a szükséges háló számítási kapacitásigénye könnyen ellehetetleníti, a problémát le kell egyszerűsíteni a praktikusan megvalósítható méretre.  

Titkosítas: 
Hozzáférés nincs korlátozva