Original title: Segmentace cévního řečiště v retinálních obrazových datech
Translated title: Blood vessel segmentation in retinal image data
Authors: Vančurová, Johana ; Mézl, Martin (referee) ; Odstrčilík, Jan (advisor)
Document type: Master’s theses
Year: 2019
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Tato diplomová práce se zabývá segmentací cévního řečiště v retinálních obrazových datech. Teoretická část je zaměřena na základní popis anatomie a fyziologie oka a na metody snímání očního pozadí. Dále jsou popsány principy klasických a konvolučních neuronových sítí a segmentační techniky, které se využívají k segmentaci cévního řečiště v retinálních snímcích. V praktické části je implementována segmentační metoda pomocí konvoluční neuronové sítě U-net. Tato síť je natrénována na třech datových sadách. Dvě datové sady obsahují snímky z experimentálního video oftalmoskopu. Z důvodů nemožnosti porovnat výsledky této metody na těchto dvou datových sadách, byla použita třetí datová sada HRF, která zahrnuje snímky pořízené fundus kamerou. Výsledky testování na této datové sadě slouží k porovnání s jinými metodami segmentace cévního řečiště. This master´s thesis deals with blood vessel segmentation in retinal image data. The theoretical part is focused on the basic description of anatomy and physiology of the eye and methods of observing the back of the eye. This thesis also describes the principles of classical and convolutional neural networks and segmentation techniques that are used to segment blood vessel in retinal images. In the practical part, a segmentation method using convolutional neural network U-net is implemented. This neural network is trained on the three datasets. Two datasets include images from experimental video ophthalmoscope. Because it impossible to compare the results of these two datasets with any other methods of retinal blood vessel segmentation, U-net is trained on other dataset that is HRF database. This dataset includes fundus images. The results of testing on this dataset serves for comparing results with other methods of retinal blood vessel segmentation.
Keywords: convolution; Experimental video ophthalmoscope; fundus images; neural network; neuron; segmentation; U-net; Experimentální video oftalmoskop; fundus snímky; konvoluce; neuron; neuronové sítě; segmentace; U-net

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/177638

Permalink: http://www.nusl.cz/ntk/nusl-400975


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses