Tema ovog završnog rada je izrada modela za detekciju upale pluća na RTG snimkama, integriranog s web aplikacijom. Web aplikacija je namijenjena korisnicima koji žele provjeriti relevantnost dijagnoze svojih RTG snimaka, kao i liječnicima kojima može poslužiti kao pomoć za brže i točnije postavljanje dijagnoze. Aplikaciju mogu koristiti svi korisnici bez potrebe za registracijom i prijavom. Korisnik može saznati poučne informacije o upali pluća, uzrocima nastanka, simptomima, postavljanju dijagnoze, te provesti detekciju upale pluća prema RTG snimci kao ulaznom parametru. Modeli neuronske mreže i web aplikacija razvijeni su u sklopu programskog jezika Python. Kao razvojno okruženje korištena je Anaconda. Za pisanje programskog koda odabran je Jupyter Notebook. Modeli neuronske mreže implementirani su korištenjem Tensorflowa i Kerasa, dok je sučelje aplikacije izrađeno pomoću Bootstrapa i web frameworka pod nazivom Flask koji se koristi za izradu kompleksnih web aplikacija s pozadinom u Pythonu. U početku su pojašnjene tehnologije korištene za izradu i implementaciju praktičnog dijela rada s naglaskom na Python, Tensorflow i Keras, koji su danas u vrhu korištenih tehnologija za umjetnu inteligenciju i neuronske mreže. Alati i razvojna okruženja pomoću kojih je aplikacija implementirana detaljno su opisani. Kao najvažniji dio alata navedena je Anaconda koja se zadnjih godina koristi sve više u developmentu aplikacija temeljenih na umjetnoj inteligenciji i strojnom učenju. Opisana je arhitektura modela korištenih za predikciju upale pluća, prikupljanje slikovnih podataka od velike važnosti za uspješnost kasnije implementiranog modela, princip “transfer learninga”, te važnost umjetne inteligencije u području medicine. Naveden je postupak testiranja aplikacije uz prikaz statističkih podataka uspješnosti modela i točnosti predikcije.