Студент Петар Арнаутовић одбранио је дипломски рад на тему "Класификација пнеумонијалних налаза са конволутивним неуронским мрежама"

Студент Рачунарског факултета Петар Арнаутовић је у уторак, 26. априла 2022. године одбранио дипломски рад на тему Класификација пнеумонијалних налаза са конволутивним неуронским мрежама пред комисијом коју су чинили ментор др Јелена Васиљевић и члан др Душан Вујошевић.

 У уводу свог рада Петар је истакао следеће:

Одувек је човек покушавао да разуме шта је то интелигенција и како она фукнционише, како ми заправо размишљамо и учимо. На основу којих параметара доноси закључке и одлуке, предвиђа и тумачи одређене проблеме. То су нека питања на које и данас човечанство не може у потпуности да одговори.

Вештачка интелигенција (Artificial Intelligence) покушава не само да одговори на та питања и да их разуме, већ да опонаша људску интелигенцију. Данас, вештачка интелигенција је напредна област са много практичних делова и изазовних истраживачких тема. Интелигентни софтвери, попут препознавање говора, алгоритама за социјалне мреже, паметни асистенти (Alexa, Google Home, Apple HomePod), све су више у дневном животу присутни.

Због важности класификације медицинских слика и малог скупа података, у овом раду сам изабрао класификацију засновану на конволутивним неуронским мрежама. Користили смо скуп података са рендгенским сликама грудног коша. Коришћењем различитих приступа добија се најбољи резултат прецизним подешавањем („Fine Tuning“). Уопштено говорећи, методе конволутивних неуронских мрежа боље су од традиционалних метода јер могу да уче и бирају карактеристике ефикасно и аутоматски. Мрежа која је једноставна не може обично да научи довољно само из података, па због тога не постиже високу тачност. С друге стране, превише компликоване мреже теже се обучавају и могу да се брзо препуне, па прецизност остаје ниска. Модел који има одговарајућу димензију и ефикасне методе за спречавања оптрећивања мреже може да добије најбоље резултате. У нашој мрежи, „recall“ је био веома висок, скоро 100%. Постизање таквог резултата може се назвати веома добрим и показатељ је да је модел успешан, с обзиром да је скуп података за обуку био релативно мали.

Конволутивне неуронске мреже постигле су задивљујуће резултате различитим областима, укључујући медицинска достигнућа, а све је већи интерес примене у радиологији и патологији. Познавања кључних концепата и предности конволутивних неуронских мрежа као и ограничења дубоког учења је од суштинског значаја за коришћење ових технологија у радиолошким истраживањима. Циљ таквих истраживања је побољшање рада радиолога и боља брига о пацијентима. – закључио је Петар.

Фотографије са одбране доступне су у галерији.