Факультет комп’ютерних та інформаційних технологій
Постійне посилання на фондhttps://repository.lntu.edu.ua/handle/123456789/49
Переглянути
2 результатів
Результати пошуку
Item type:Кваліфікаційна робота магістра, Дослідження та аналіз стану здоров’я пацієнтів за рентгенівськими зображеннями легень із використанням методів глибокого навчання(Луцьк : ЛНТУ, 2025) Зданевич, Ярослав ІгоровичКваліфікаційна робота магістра складається зі вступу, трьох розділів, висновків і пропозицій, списку використаних джерел та додатків (згідно зі структурою, затвердженою кафедрою). У роботі досліджено сучасні методи глибокого навчання, орієнтовані на автоматизований аналіз рентгенівських знімків грудної клітки з метою виявлення патологій органів дихання. Розглянуто підходи до попередньої обробки медичних зображень, застосування згорткових нейронних мереж та особливості мульти-label класифікації. Розроблено програмний прототип системи MediVision, який базується на архітектурі MobileNetV2 та реалізує повний цикл аналізу зображень: підготовку даних, навчання моделі, оптимізацію порогів класифікації й модуль інференсу для прогнозування стану пацієнта за одним знімком. Проведено тренування моделі, оцінювання її якості та аналіз результатів за ключовими метриками – AUC-ROC, AUC-PR, BinaryAccuracy. Експериментальні результати засвідчують високу точність класифікації, стабільність роботи. Окреслено перспективи подальшого розвитку системи, включно з розширенням наборів даних та вдосконаленням методів пояснення результатів.Item type:Кваліфікаційна робота магістра, Розробка та дослідження системи розпізнавання та інтерпретації жестів на основі фреймворку MediaPipe(Луцьк : ЛНТУ, 2025) Панько, Максим ІвановичУ роботі обґрунтовано розробку системи розпізнавання та інтерпретації жестів на основі фреймворку MediaPipe для мобільної AR-взаємодії. Проаналізовано основи жестових інтерфейсів та методи розпізнавання для HCI-систем, спроєктовано гібридний конвеєр із трекінгом ключових точок кисті, нормалізацією, фільтрацією даних та побудовою дескрипторів. Реалізовано класифікатор на основі машинного навчання для розпізнавання жестів та їх інтерпретації у команди керування віртуальними об’єктами, інтегровано модуль нейронної корекції зображення для підвищення стійкості до освітлення.