Doctorandus | Publieke verdediging |
Naam: | Marija Habijan | Datum: | Vrijdag 08/04/2022 om 12:00 | |
Adres: | () , null null |
Lokatie: | , Kneza Trpimira 2b, Osijek, Croatia | |
Contact FEA: | info.ea@ugent.be | Taal: | Engels |
Curriculum | ||
University bachelor in computer engineering (univ.bacc.ing.comp.)
Faculty of Electrical Engineering in Osijek, Josip Juraj Strossmayer University of Osijek Obtained: 2013 Master of science in computer engineering (mag.ing.comp.) Faculty of Electrical Engineering, Computer Science and Information Technology Osijek, Josip Juraj Strossmayer University of Osijek Obtained: 2015 |
Promotor |
Aleksandra Pizurica |
Irena Galić |
Danilo Babin |
Examencommissie |
prof. dr. Krešimir Nenadić |
Aleksandra Pizurica (EA07) |
Irena Galić (Josip Juraj Strossmayer University of Osijek, Croatia) |
Danilo Babin (EA07) |
Robert Cupec |
Sonja Grgić |
Lazar Velicki |
Jan Aelterman |
Charlotte Debbaut, Universiteit Gent, Faculteit Ingenieurswetenschappen en Architectuur, EA06 - Vakgroep Elektronica en Informatiesystemen, C. Heymanslaan 10, ingang 36 - verdieping 5, 9000 Gent
E: charlotte.debbaut@ugent.be |
Onderzoeksthema | |
In de afgelopen jaren is deep learning een krachtig hulpmiddel gebleken in verscheidene disciplines, waaronder de medische sector. Het verwerken en analyseren van medische beelden heeft een positieve impact op het beter begrijpen van de fysiologische kenmerken van de ziekte. Bovendien kan het verloop van de ziekte efficiënter opgevolgd worden met als doel het behouden en verbeteren van de cardiovasculaire gezondheid. Deze doctoraatthesis focust op het ontwikkelen van een nieuwe, robuuste en accurate methode voor segmenteren en analyseren van hartbeelden. We leggen onze focus op het verbeteren van architecturen van convolutionele neurale netwerken voor de segmentatie van CT-beelden van het volledige hart en de hartkamers, voor de segmentatie en kwantificatie van cine CT-beelden van de bi-ventrikels en het myocardium en als laatste op het segmenteren van CT-beelden van aneurysma's van de buikslagaders. De voorgestelde methodologieën behalen hoge segmentatienauwkeurigheid en kunnen op tegen de huidige state of the art methodologieën. |
Taal proefschrift | |
Engels |
Documenten |