Streszczenie:
Głębokie uczenie zrewolucjonizowało wiele zagadnień z uczenia maszynowego począwszy od przetwarzania obrazu do rozpoznawania mowy i jeżyka naturalnego. W pracy tej sprawdzono możliwość zastosowania tej metody do automatyzacji procesu modelowania leja protezowego dla amputacji na poziomie podudzia. Na podstawie skanów 3D kikutów opracowano niewielki zestaw danych z wykorzystaniem oprogramowania do komputerowego modelowania kikutów – Neo2018. Dane te udało się doprowadzić do postaci pozwalającej na użycie dwuwymiarowego splotu i wzorując się na rozwiązaniach state of the art z przetwarzania obrazu zaproponowano model sieci. Model ten w znaczący sposób nauczył się odwzorowywać kształt leja protezowego, pomimo trudności z wprowadzaniem do niego pożądanych modyfikacji.
