Primjena valićne transformacije kod algoritama za detekciju karcinoma mokraćnog mjehura

Štifanić, Daniel

prikaz prve stranice dokumenta Primjena valićne transformacije kod algoritama za detekciju karcinoma mokraćnog mjehura

Access restricted to students and staff of home institution

master's thesis

Primjena valićne transformacije kod algoritama za detekciju karcinoma mokraćnog mjehura

Rijeka: University of Rijeka, Faculty of Engineering, 2019. urn:nbn:hr:190:909196

Štifanić, Daniel

University of Rijeka
Faculty of Engineering
Department of Automation and Electronics
Section of Electronics, Robotics and Automation

Cite this document

APA 6th Edition

Štifanić, D. (2019). Primjena valićne transformacije kod algoritama za detekciju karcinoma mokraćnog mjehura (Master's thesis). Rijeka: University of Rijeka, Faculty of Engineering. Retrieved from https://urn.nsk.hr/urn:nbn:hr:190:909196

MLA 8th Edition

Štifanić, Daniel. "Primjena valićne transformacije kod algoritama za detekciju karcinoma mokraćnog mjehura." Master's thesis, University of Rijeka, Faculty of Engineering, 2019. https://urn.nsk.hr/urn:nbn:hr:190:909196

Chicago 17th Edition

Harvard

Štifanić, D. (2019). 'Primjena valićne transformacije kod algoritama za detekciju karcinoma mokraćnog mjehura', Master's thesis, University of Rijeka, Faculty of Engineering, accessed 19 April 2024, https://urn.nsk.hr/urn:nbn:hr:190:909196

Vancouver

Štifanić D. Primjena valićne transformacije kod algoritama za detekciju karcinoma mokraćnog mjehura [Master's thesis]. Rijeka: University of Rijeka, Faculty of Engineering; 2019 [cited 2024 April 19] Available at: https://urn.nsk.hr/urn:nbn:hr:190:909196

IEEE

D. Štifanić, "Primjena valićne transformacije kod algoritama za detekciju karcinoma mokraćnog mjehura", Master's thesis, University of Rijeka, Faculty of Engineering, Rijeka, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:190:909196

Cite this item: https://urn.nsk.hr/urn:nbn:hr:190:909196

Please login to the repository to save this object to your list.

Metadata

Title	Primjena valićne transformacije kod algoritama za detekciju karcinoma mokraćnog mjehura
Title (english)	Application of waveform transformation in algorithms for the detection of bladder cancer
Author	Daniel Štifanić
Mentor	Zlatan Car (mentor)
Committee member	Nino Stojković (predsjednik povjerenstva)
Committee member	Rene Prenc (član povjerenstva)
Committee member	Viktor Sučić (član povjerenstva)
Granter	University of Rijeka Faculty of Engineering (Department of Automation and Electronics) (Section of Electronics, Robotics and Automation) Rijeka
Defense date and country	2019-09-24, Croatia
Scientific / art field, discipline and subdiscipline	TECHNICAL SCIENCES Electrical Engineering
Abstract	Obradom signala moguća je optimizacija i izlučivanje važnih značajki koje kasnije doprinose boljoj i jednostavnijoj analizi. Ovaj rad orijentiran je na izlučivanje značajki i detekciju karcinoma mokraćnog mjehura iz uzoraka tkiva mokraćnog mjehura koji je snimljen cistoskopijom. Izlučivanje značajki izvedeno je koristeći valićnu transformaciju uz pomoć Haar, Daubechies, Symlet i Biorthogonal valićnih funkcija na prvoj, trećoj i petoj dekompozicijskoj razini. Provođenje valićne transformacije na uzorcima rezultira aproksimacijom te horizontalnim, vertikalnim i dijagonalnim detaljima, gdje se svi detalji odbacuju a aproksimacija se koristi kao ulazni podatak u neuronsku mrežu. Neuronska mreža realizirana je optimalnom arhitekturom za osnovnu klasifikaciju. Ispitani su utjecaji valićnih funkcija i dekompozicijskih razina na točnost i performanse neuronske mreže. Prema dobivenim rezultatima vidljivo je kako uz povećanje dekompozicijske razine povećava se i brzina treniranja dok točnost ostaje približno jednaka. Treniranje neuronske mreže je do 37 puta brže ukoliko se koristi valićna transformacija na pet dekompozicijskih razina u odnosu na uzorke tkiva mokraćnog mjehura koji nisu prethodno obrađeni.
Abstract (english)	With signal processing, it is possible to optimize and extract important features that can later contribute to the better and easier analysis. This paper is focused on feature extraction and bladder cancer detection form bladder tissue samples taken during cystoscopy. Feature extraction was performed using wavelet transform with Haar, Daubechies, Symlet and Biorthogonal wavelet function at the first, third, and fifth decomposition levels. The result of using wavelet transform is an approximation and horizontal, vertical, diagonal details, where all details are discarded and the approximation is used as input to the neural network. The neural network is realized with an optimal architecture for basic classification. The influences of wavelet functions and decomposition levels on the accuracy and performance of the neural network were examined. According to the obtained results, it is evident that with increasing the decomposition level, the training speed also increases while the accuracy remains approximately the same. The neural network training process is up to 37 times faster when using wavelet transform at five decomposition levels compared to bladder tissue samples that are not previously processed.
Keywords
Keywords (english)
Language	croatian
URN:NBN	urn:nbn:hr:190:909196
Study programme	Title: Electrical Engineering Study programme type: university Study level: graduate Academic / professional title: magistar/magistra inženjer/inženjerka elektrotehnike (magistar/magistra inženjer/inženjerka elektrotehnike)
Type of resource	Text
File origin	Born digital
Access conditions	Access restricted to students and staff of home institution
Terms of use
Repository	Repository of the University of Rijeka, Faculty of Engineering
Created on	2020-07-02 13:08:46

Nacionalna i sveučilišna knjižnica u Zagrebu

Dabar