<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns="http://www.w3.org/2005/Atom">
<title>Praca inżynierska - Multimedia - Interakcja człowiek-komputer 2021</title>
<link href="https://repin.pjwstk.edu.pl/xmlui/handle/186319/862" rel="alternate"/>
<subtitle/>
<id>https://repin.pjwstk.edu.pl/xmlui/handle/186319/862</id>
<updated>2026-02-05T02:48:37Z</updated>
<dc:date>2026-02-05T02:48:37Z</dc:date>
<entry>
<title>Zastosowanie komputerowej analizy twarzy do rozpoznawania cech dysmorfii u pacjentów z chorobami genetycznymi</title>
<link href="https://repin.pjwstk.edu.pl/xmlui/handle/186319/863" rel="alternate"/>
<author>
<name>Geremek, Maciej</name>
</author>
<id>https://repin.pjwstk.edu.pl/xmlui/handle/186319/863</id>
<updated>2021-08-20T10:38:01Z</updated>
<published>2021-08-20T00:00:00Z</published>
<summary type="text">Zastosowanie komputerowej analizy twarzy do rozpoznawania cech dysmorfii u pacjentów z chorobami genetycznymi
Geremek, Maciej
Mutacje w ponad 7500 ludzkich genach zostały powiązane z jednostkami chorobowymi. Ogromna zmienność genomu i obrazu klinicznego sprawia, że diagnostyka genetyczna jest niezwykle złożona. W części tych chorób występują charakterystyczne cechy twarzy. W niniejszej pracy podjęto próbę konstrukcji klasyfikatora mającego na celu wspomaganie procesu diagnostycznego. Wykorzystano dwie strategie. W pierwszej wykorzystano geometryczną analizę punktów charakterystycznych twarzy. W drugim podejściu skorzystano z konwolucyjnej sieci neuronowej wytrenowanej do rozpoznawania osób na podstawie zdjęć. Analiza geometrii twarzy wykazała, że automatycznie wykonane pomiary na podstawie zdjęć odzwierciedlają informację płynącą z doświadczenia klinicznego, jednak strategia oparta na rozpoznawaniu twarzy przy pomocy technik uczenia maszynowego pozwoliła na znacznie wyższą trafność klasyfikacji.
</summary>
<dc:date>2021-08-20T00:00:00Z</dc:date>
</entry>
</feed>
