Název:
Metody detekce, segmentace a klasifikace obtížně definovatelných kostních nádorových lézí ve 3D CT datech
Překlad názvu:
Methods of Detection, Segmentation and Classification of Difficult to Define Bone Tumor Lesions in 3D CT Data
Autoři:
Chmelík, Jiří ; Flusser,, Jan (oponent) ; Kozubek, Michal (oponent) ; Jan, Jiří (vedoucí práce) Typ dokumentu: Disertační práce
Rok:
2020
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Cílem této práce byl vývoj algoritmů pro detekci, segmentaci a klasifikaci obtížně definovatelných kostních metastatických nádorových lézí v oblasti páteře z obrazových CT dat. Pro tyto účely byla vytvořena pacientská databáze anotovaná lékařskými experty. Postupně byly navrženy tři metody, z nichž první je založena na přepracování a kombinaci metod dostupných z předchozího řešení projektu, druhá je velmi rychlá varianta založená na fuzzy k-means shlukové analýze, třetí metoda využívá moderních metod strojového učení, konkrétně hluboké učení konvolučních neuronových sítí. Dále byla navržena modifikace upřesňující výsledky následnou meta-analýzou nalezených kandidátů lézí pomocí náhodného lesa. Dosažené výsledky byly objektivně vyhodnoceny a porovnány s výsledky algoritmů publikovaných jinými autory. Pro hodnocení byly použity dva přístupy: technický, voxelově založený a klinický, objektově založený. Dosažené výsledky byly následně zhodnoceny a diskutovány.
The aim of this work was the development of algorithms for detection segmentation and classification of difficult to define bone metastatic cancerous lesions from spinal CT image data. For this purpose, the patient database was created and annotated by medical experts. Successively, three methods were proposed and developed; the first of them is based on the reworking and combination of methods developed during the preceding project phase, the second method is a fast variant based on the fuzzy k-means cluster analysis, the third method uses modern machine learning algorithms, specifically deep learning of convolutional neural networks. Further, an approach that elaborates the results by a subsequent random forest based meta-analysis of detected lesion candidates was proposed. The achieved results were objectively evaluated and compared with results achieved by algorithms published by other authors. The evaluation was done by two objective methodologies, technical voxel-based and clinical object-based ones. The achieved results were subsequently evaluated and discussed.
Klíčová slova:
CNN; CT; detekce; hluboké učení; klasifikace; léze; metastáza; nádor; obratel; páteř; segmentace; strojové učení; classification; CNN; CT; deep learning; detection; lesion; machine learning; metastasis; segmentation; spine; tumour; vertebra
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/195562