Zbornik radova Fakulteta tehničkih nauka u Novom Sadu

Elektrotehničko i računarsko inženjerstvo

God. 41 Br. 02 (2026): Зборник радова Факултета техничких наука

Аутоматска детекција и класификација патологија на гастроскопским и колоноскопским снимцима

  • Светлана Крунић
DOI:
https://doi.org/10.24867/34BE11Krunic
Predato
February 12, 2026
Objavljeno
2026-03-09

Apstrakt

Циљ рада је пројектовање и обука аутоматског система за анализу гастроскопских и колоноскопских снимака у видљивом спектру ради детекције присуства патоморфолошких промена и њихове категоризације. Систем је заснован на савременим методама дубоког учења и способан да самостално, на основу снимака насталих током стандардне дијагностичке ендоскопске процедуре, процени да ли у снимцима постоје патоморфолошке промене, које категорије, и представи резултате у облику вероватноће присуства патологије (абнормалан налаз) и вероватноће различитих категорија болести. Употребни циљ је дијагностичка помоћ лекарима приликом дијагностике.

Reference

  1. [1] Borgli, H., Thambawita, V., Smedsrud, P.H. et al. HyperKvasir, a comprehensive multi-class image and video dataset for gastrointestinal endoscopy. Sci Data 7, 283 (2020). https://doi.org/10.1038/s41597-020-00622-y
  2. [2] Oquab, Maxime, et al. "Dinov2: Learning robust visual features without supervision." arXiv preprint arXiv:2304.07193 (2023).
  3. [3] Loshchilov, Ilya, and Frank Hutter. "Decoupled weight decay regularization." arXiv preprint arXiv:1711.05101 (2017).
  4. [4] Srivastava, Nitish, et al. "Dropout: A Simple Way to Prevent Neural Networks from Overfitting." Journal of Machine Learning Research 15.1 (2014): 1929–1958.
  5. [5] Siméoni, Oriane & Vo, Van Huy & Seitzer, Maximilian & Baldassarre, Federico & Oquab, Maxime & Jose, Cijo & Khalidov, Vasil & Szafraniec, Marc & Yi, Seungeun & Ramamonjisoa, Michaël & Massa, Francisco & Haziza, Daniel & Wehrstedt, Luca & Wang, Jianyuan & Darcet, Timothée & Moutakanni, Théo & Sentana, Leonel & Roberts, Claire & Vedaldi, Andrea & Bojanowski, Piotr. (2025). DINOv3. 10.48550/arXiv.2508.10104.
  6. [6] D. M. Hasan, A. H. S. A. Al-Khafaji, and R. A. Al-Rizzo, “EndoNet: A Multilevel Deep Feature Fusion Framework for Gastrointestinal Disease Classification,” Diagnostics, vol. 13, no. 4, pp. 671–686, 2023. DOI: 10.3390/diagnostics13040671.
  7. [7] A. K. Dutta, M. Biswas, and S. K. Das, “A triple-pronged approach for ulcerative colitis severity classification using multimodal, meta, and transformer-based learning,” Computers in Biology and Medicine, vol. 171, 107950, 2024. DOI: 10.1016/j.compbiomed.2024.107950.
  8. [8] N. Ramamurthy, S. Rajan, and P. K. Reddy, “A New Approach for Gastrointestinal Tract Findings Detection and Classification Deep Learning-Based Hybrid Stacking Ensemble Models,” Computers in Biology and Medicine, vol. 157, 106723, 2023. DOI: 10.1016/j.compbiomed.2023.106723