Meistarafyrirlestur í rafmagns- og tölvuverkfræði - Eyþór Einarsson
Fyrirlesturinn verður haldinn á Zoom: https://us02web.zoom.us/j/86596794345?pwd=MzFJZmxTQkkwOFFJdUJMbmljeUdsUT09
Meistaranemi: Eyþór Einarsson
Heiti verkefnis: Sjálfkóðari fyrir greiningu á segulómsmyndum
___________________________________________
Deild: Rafmagns- og tölvuverkfræðideild
Leiðbeinandi: Magnús Örn Úlfarsson, prófessor við Rafmagns- og tölvuverkfræðideild
Einnig í meistaranefnd: Lotta Maria Ellingsen, dósent við Rafmagns- og tölvuverkfræðideild
Prófdómari: Þorgeir Þorgeirsson, rannsóknarmaður hjá Íslenskri erfðagreiningu
Ágrip
Sýnt hefur verið fram á að djúpur lærdómur gefur bresetri niðurstöður en aðrar vélanámsaðferðir á ýmsum sviðum eins og mynd-, texta-, og talmáls greiningu. Nýlega hefur mikil vinna verið lögð í að þróa aðferðir byggðar á djúpum lærdómi fyrir læknisfræðilega myndgreiningu og myndgreiningu í erfðaransóknum. Þessi árangur sem leiðbeindur djupur lærdómur hefur notið er oft rakinn til mikils framboðs af merktum gagnasettum, sem oft eru ekki til staðar fyrir læknisfræðilega myndgreiningu. Þegar markmiðið er að flokka myndir útfrá sjaldgjæfum sjúkdómum eða að skoða sjaldgjæfa erfðabreytileika þá er oft ekki til nóg af merktum gögnum til að njóta góðs af djúpum lærdómi. Í þessu verki var ýmsum opinberlega aðgengilegum gagnasettum af T1-vigtuðum segulómsmyndum safnað. Hálfstýrður djúpur sjálfkóðari var þróaður sem stöðlunarmódel og til að leiða út eiginleika sem hægt er að nota til að flokka einstaklinga útfrá arfgerð eða svipgerð með takmörkuðum magni af sýnum. Mál af heilasvæðum voru nálguð með FreeSurfer og notuð til að þjálfa sjálfkóðarann sem spáir fyrir um aldur og kyn einstaklinga ásamt því að flokka einstaklinga útfrá geðröskunum, erfðabreytileikum, mígreni og verkjatengdum einkennum.