<?xml version="1.0" encoding="UTF-8"?>
<rdf:RDF xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns="http://purl.org/rss/1.0/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#">
<channel rdf:about="https://repin.pjwstk.edu.pl/xmlui/handle/186319/862">
<title>Praca inżynierska - Multimedia - Interakcja człowiek-komputer 2021</title>
<link>https://repin.pjwstk.edu.pl/xmlui/handle/186319/862</link>
<description/>
<items>
<rdf:Seq>
<rdf:li rdf:resource="https://repin.pjwstk.edu.pl/xmlui/handle/186319/863"/>
</rdf:Seq>
</items>
<dc:date>2026-04-01T12:15:33Z</dc:date>
</channel>
<item rdf:about="https://repin.pjwstk.edu.pl/xmlui/handle/186319/863">
<title>Zastosowanie komputerowej analizy twarzy do rozpoznawania cech dysmorfii u pacjentów z chorobami genetycznymi</title>
<link>https://repin.pjwstk.edu.pl/xmlui/handle/186319/863</link>
<description>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.
</description>
<dc:date>2021-08-20T00:00:00Z</dc:date>
</item>
</rdf:RDF>
