04584ntm a22006737i 4500 000723764 CZ-PrVSE 20250629141137.0 m d cr n|||||||||| 250629s2025 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Ay, Michael Ahmet ISIS:169565 dis Explainable Biomedical Image Classification Using Large Language Models eng Využití LLMs pro vysvětlitelnou klasifikaci obrazu z oblasti biomedicíny / Michael Ahmet Ay 2025 ?? stran : digital, PDF soubor Vedoucí práce: Tomáš Kliegr Bakalářská práce (Bc.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2025 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2025 Bakalářská práce se zabývá využitím velkých jazykových modelů (LLMs) při vysvětlitelné klasifikaci biomedicínských obrazových dat. Navržený systém generuje textové popisy z rentgenových snímků horní končetiny pomocí dvou typů jazykových výstupů: přirozeně formulovaných frází a segmentovaných výstupů vzniklých slovním rozkladem. Každý popis je následně převeden do prostoru vnoření a dále zpracován pomocí čtyř pooling strategií a rozšířen o doménové příznaky. Na takto získaných vstupech jsou trénovány vysvětlitelné klasifikátory. Výsledky ukazují, že nejvyšších hodnot metriky úplnost dosáhla logistická regrese využívající segmentované výstupy generované modelem Qwen 2.5-VL-7B-Instruct a Bio_ClinicalBERT ve spojení s kombinovanou pooling strategií a doménovými příznaky. Tato konfigurace dosáhla úplnosti 0,696. Přestože tento výsledek nepřekonal obrazový klasifikátor ResNet-34, který dosáhl úplnosti 0,818, nabídla vnořená reprezentace konkurenceschopný výkon při zachování vysvětlitelnosti vstupních dat. Nejlepšího výsledku v rámci přirozeně formulovaných frází bylo rovněž dosaženo pomocí logistické regrese, konkrétně při využití GPT-4o-mini od OpenAI s text-embedding-3-small a Max pooling, s úplností 0,604. Práce dále analyzuje jazykové výstupy, vliv pooling strategií a význam doménových příznaků. Celý systém je implementován jako reprodukovatelný a snadno rozšiřitelný postup, který umožňuje další aplikace v oblasti biomedicínské klasifikace. Způsob přístupu: Internet aplikovaná informatika [obor bakal. práce] bakalářské práce fd132403 czenas bachelor's theses eczenas velké jazykové modely klasifikace vysvětlitelná umělá inteligence interpretovatelnost biomedicínská obrazová data rentgen vnoření Kliegr, Tomáš ISIS:8484 ths Cihlo, Miroslav opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/90716/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/90716 Hlavní práce https://insis.vse.cz/zp/90716/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/90716/posudek/oponent/86176 Oponentura https://insis.vse.cz/zp/90716/priloha/31479 Přiloha k práci https://insis.vse.cz/zp/90716/priloha/31480 Přiloha k práci https://insis.vse.cz/zp/90716/priloha/31482 Přiloha k práci https://insis.vse.cz/zp/90716/priloha/31483 Přiloha k práci https://insis.vse.cz/zp/90716/priloha/31484 Přiloha k práci https://insis.vse.cz/zp/90716/priloha/31485 Přiloha k práci https://insis.vse.cz/zp/90716/priloha/31486 Přiloha k práci https://insis.vse.cz/zp/90716/priloha/31487 Přiloha k práci https://insis.vse.cz/zp/90716/priloha/31488 Přiloha k práci https://insis.vse.cz/zp/90716/priloha/31489 Přiloha k práci https://insis.vse.cz/zp/90716/priloha/31494 Přiloha k práci https://insis.vse.cz/zp/90716/podrobnosti dc:identifier NEPOSILAT VSKP vse90716 250627 90716