|
|
Detection of intracranial hemorrhages in head CT data
Nemček, Jakub ; Jan, Jiří (oponent) ; Jakubíček, Roman (vedoucí práce)
This thesis deals with the detection of intracranial haemorrhages and their type classification in head CT images. The method of haemorrhages detection is based on a series of classifiers of the presence and type of haemorrhages in 2D CT slices in axial, sagittal and coronal plane, that may localise the bleedings and determine their types. The classifiers are based on the convolutional neural network architecture Inception-ResNet-v2. The head CT dataset CQ500 which is made available for public access, is used for the experiments. The thesis describes an additional manual annotation of the data, as the available annotations are insufficient for the purposes of the experiments. This thesis includes a theoretical basis of the essential medical knowledge, machine learning based classification and detection methods, and the detection algorithm proposal, realisation and testing. The algorithm performance is evaluated and discussed together with the potential implementation of the algorithm in computer-aided diagnosis systems.
|
|
|
Automatické vyhlazení 3D modelů kraniální embryonální myší chrupavky
Kočendová, Kateřina ; Harabiš, Vratislav (oponent) ; Jakubíček, Roman (vedoucí práce)
Práce je zaměřena na vyhlazování 3D modelů ručně segmentované kraniofaciální chrupavčité tkáně myších embryí. Při procesu ruční segmentace dochází ve výsledných modelech ke tvorbě artefaktů a nepřesností, které je potřeba korigovat. Nejprve je segmentace upravena pomocí gradientu a prahování. Následné vyhlazovací metody jsou sestrojeny na základě teoretické rešerše. Algoritmizace je provedena v prostředí MATLAB. Veškeré algoritmy jsou navrženy a otestovány na vybraných modelech. Statistické vyhodnocení je stanoveno pomocí Dice koeficientu, kde je jako zlatý standard používán ručně vyhlazený model, na kterém byly zredukovány veškeré artefakty.
|
|
|
Automatické zarovnání CT skenu hlavy
Karmazinová, Inna ; Kolář, Radim (oponent) ; Jakubíček, Roman (vedoucí práce)
Práce se zabývá automatickým zarovnáním CT skenu hlavy. V současné době je zarovnávání prováděno manuálně zaškoleným personálem, tento proces je však časově náročný, a tak existuje snaha o zautomatizování tohoto procesu. V prostředí MATLAB byly navrženy a implementovány dvě metody pro zarovnání CT skenu hlavy v axiální a koronální rovině využívající bilaterální symetrie hlavy. Dále byla vytvořena metoda pro zarovnání sagitální roviny s využitím CG-TOB referenční přímky pro detekci rotačního úhlu. Tyto přístupy byly otestovány a validovány na databázi manuálně anotovaných CT skenů hlavy.
|
|
|
Segmentace klenby lebeční u pacientů po kraniektomii
Vavřinová, Pavlína ; Chmelík, Jiří (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá segmentací klenby lebeční v CT snímcích pacientů po kraniektomii. Zadaná problematika byla řešena pomocí segmentační architektury U-Net, konkrétně její 2D i 3D variantou. S první verzí architektury bylo dosaženo průměrné hodnoty Jaccardova indexu 89,4 %, u druhé úspěšnosti 67,1 % vyhodnocené stejnou metrikou. Při zaměření na oblasti po chirurgickém zákroku nebyl u výsledků jednotlivých variant již tak velký rozdíl, zjištěný Jaccardův index pro 2D síťě byl průměrně 98,4 % a pro 3D verze 97,0 %.
|
|
|
Segmentace nádorových lézí ledvin v CT datech
Urbanová, Hedvika ; Vičar, Tomáš (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato diplomová práce se zabývá segmentací nádorových lézí ledvin v CT datech. V teoretické části práce je rozebrána anatomie a patologie ledvin. Dále je pak obecně uveden princip segmentace, konvenční metody a segmentace pomocí strojového učení. V neposlední řadě jsou popsány konvoluční neuronové sítě, které byly zvoleny jako nástroj pro segmentaci v této semestrální práci. V praktické části je navržen algoritmus konvolučních neuronových sítí v programovacím jazyce Python. Tento algoritmus byl následně otestován na anotovaných datech z databáze KiTS19.
|
|
|
Segmentace žeber v hrudních CT skenech
Kašík, Ondřej ; Kolář, Radim (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá návrhem a realizací algoritmu pro segmentaci žeber z hrudních CT dat. Pro segmentaci je zvolena metoda detekce středových linií žeber. Prvním krokem tohoto přístupu je extrakce středových linií kostí vstupních CT dat. Středové linie jsou rozděleny na krátká primitiva, která jsou poté klasifikována do dvou kategorií podle toho, zdali reprezentují středovou linii žebra či nikoliv. Následně se středové linie žeber stávají počátečními body metody narůstání oblastí v trojrozměrném prostoru, kterou je realizována finální segmentace žeber. V rámci práce byla manuálně anotována databáze 10 CT skenů, která byla následně využita pro validaci navrženého přístupu segmentace. Dosažená úspěšnost klasifikace primitiv je 96,7 %, úspěšnost segmentace žeber (Dice koeficient) je pak 86,8 %.
|
|
|
Klasifikace arteriálního a žilního řečiště v obrazových datech sítnice
Černohorská, Lucie ; Jakubíček, Roman (oponent) ; Kolář, Radim (vedoucí práce)
Tato práce je zaměřena na klasifikaci arteriálního a žilního řečiště v obrazových datech sítnice. Je zde popsána anatomie oka se zaměřením na cévní zásobení a dále jsou stručně uvedeny zobrazovací a diagnostické metody sítnice. V práci jsou zmíněny metody pro klasifikaci cévního řečiště s důrazem na hluboké učení. Praktická část probíhala v programovacím jazyku Python, kdy byla nejdříve předzpracována retinální sada dat spolu s výpočtem AV poměru. Na základě literární rešerše byla pro klasifikaci cévního řečiště zvolena architektura U-net, která byla modifikována pomocí open-source knihovny Keras. Trénování sítě probíhalo na datasetu získaném pomocí experimentálního video-oftalmoskopu, který poskytuje šedotónové snímky. Modifikovaná architektura byla nejdříve využita pro klasifikaci cév do jednotlivých tříd, a z důvodů neuspokojivých výsledků byla dále implementována na segmentaci retinálního řečiště jako celku či zvlášť na žíly a tepny.
|
|
|
Výpočet pokročilých difusních parametrů šedé hmoty mozku z DKI MRI obrazů
Pánková, Olga ; Jakubíček, Roman (oponent) ; Minsterová, Alžběta (vedoucí práce)
Diplomová práce Výpočet pokročilých difuzních parametrů šedé hmoty mozku z DKI MRI obrazů se zabývá zpracováním dat difuzního kurtózního zobrazování. Práce obsahuje literární rešerši principu difuze, vlivu difuze na MR zobrazování, výpočtů DTI a DKI parametrů a klinického využití difuzně vážených map se zaměřením na šedou hmotu mozku. Zabývá se i softwarovými nástroji pro zpracování a předzpracování DTI a DKI dat. V praktické části práce byly vytvořeny mapy difuzních parametrů ve dvou vybraných softwarech, následně byly z map vypočítány difuzní parametry v oblasti substantia nigra, jejichž srovnání mezi skupinou zdravých osob a osob s Parkinsonovou chorobou však neprokázalo statisticky významný rozdíl. V rámci praktické části byl vytvořen skript pro tvorbu difuzních map v programu Diffusional kurtosis estimator.
|
|
|
Redukce kovových artefaktů v CT datech se submikronovým rozlišením
Víteček, Jiří ; Mézl, Martin (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato diplomová práce se zabývá redukcí kovových artefaktů v CT datech se submikronovým rozlišením. V první části práce je stručně popsána rentgenová výpočetní tomografie, následuje popis a rozdělení artefaktů tomografických snímků a poté jsou uvedeny existující přístupy redukce kovových artefaktů. V druhé části práce jsou popsány navržené metody redukce kovových artefaktů a jejich implementace v programovém prostředí Matlab. Nakonec je funkčnost algoritmů testována na nově vytvořené databázi dat a výsledky jsou porovnány, vyhodnoceny a diskutovány.
|
|
|
Charakterizace tkání ve spektrálních CT datech
Poláková, Veronika ; Jan, Jiří (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato bakalářská práce se zabývala charakterizací tkání na virtuálních monoenergetických obrazech (VMI). Byla zpracována literární rešerše o spektrálním CT, díky kterému lze VMI vytvořit. Dále bylo provedeno statistické vyhodnocení CT čísel tkání napříč spektrem energií VMI. Bylo zjištěno, že medián CT čísla s rostoucí energií VMI roste, nebo klesá různě strmě v závislosti na tkáni. To přispívá k lepšímu kontrastnímu rozlišení vybraných dvojic tkání na vhodných VMI a tím pádem i jejich lepší segmentaci a klasifikaci na těchto obrazech.
|
host ::
RSS.