Miloš Pavlić (sw29-2014)
Petar Radošević (sw31-2014)
Ognjen Francuski (sw8-2014)
Definicija problema
Prepoznavanje demencije na osnovu snimaka MRI mozga pacijenta.
Motivacija problema
Rešavanje ovog problema može da pomogne u medicini. Lakše i brže prepoznavanje demencije može dovesti do ranijeg tretmana simptoma kod pacijenata.
Skup podataka
Podaci su pronađeni na kaggle-u koji je referencirao na oasis-brains.org. Podaci su dati u NIfTI-1 formatu (img - cuva podatke o snimku, hdr - metapodatke). Pomoću nibabel-a su iz NIfTI-1 podataka dobijeni preseci mozga u tri ose, sačuvani u png formatu.
Metodologija
Za realizaciju projekta ce se koristi programski jezik Python, sa bibliotekom Tensorflow
CNN - prepoznavanje klasa demencije na osnovu slika koje predstavljaju MRI snimak mozga
ANN - prepoznavanje klasa demencije na osnovu ulaznih podataka kao što su pol, starost, godište i medicinksih parametara dobijenih testiranjem pacijenata.
NEAT - implementacija NEAT-a (NeuroEvolution of Augmenting Topologies) algoritma koji bi evoluirao neuronske mreže na ovom projektu, a možda i na drugim, kako se ne bi moralo misliti o arhitekturi mreže.
Model evaluacije
Podaci će biti podeljeni u tri seta podataka:
trening,
test i
validacioni
Za CNN koristićemo Cross-Entropy za treniranje i za evaluaciju mreža, dok ćemo za ANN koristiti Accuracy.
Tim
Miloš Pavlić (sw29-2014) Petar Radošević (sw31-2014) Ognjen Francuski (sw8-2014)
Definicija problema
Prepoznavanje demencije na osnovu snimaka MRI mozga pacijenta.
Motivacija problema
Rešavanje ovog problema može da pomogne u medicini. Lakše i brže prepoznavanje demencije može dovesti do ranijeg tretmana simptoma kod pacijenata.
Skup podataka
Podaci su pronađeni na kaggle-u koji je referencirao na oasis-brains.org. Podaci su dati u NIfTI-1 formatu (img - cuva podatke o snimku, hdr - metapodatke). Pomoću nibabel-a su iz NIfTI-1 podataka dobijeni preseci mozga u tri ose, sačuvani u png formatu.
Metodologija
Model evaluacije
Podaci će biti podeljeni u tri seta podataka: