|
|
Financování projektů z fondů EU
Bureš, Ondřej ; Poláková, Veronika (oponent) ; Boušková, Štěpánka (vedoucí práce)
Bakalářská práce se zabývá čerpáním dotací z fondů Evropské unie. Teoretická část seznamuje s programy, ze kterých je možné získat potřebné finance na částečné nebo plné krytí nákladů projektů. Dále popisuje potřebné skutečnosti, které je zapotřebí plnit, aby příjemce dotace neměl problémy s proplacením žádostí o platbu. Praktická část je věnována rozboru nejčastěji dělaných chyb a doporučuje jejich odstranění pro hladký průběh projektu.
|
|
|
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.
|
|
|
Utilization of convolutional neural networks for segmentation of mouse embryos cartilaginous tissue in micro-CT data
Poláková, Veronika ; Vičar, Tomáš (oponent) ; Chmelík, Jiří (vedoucí práce)
Automatic segmentation of the biological structures in micro-CT data is still a challenge since the object of interest (craniofacial cartilage in our case) is commonly not characterized by unique voxel intensity or sharp borders. In recent years, convolutional neural networks (CNNs) have become exceedingly popular in many areas of computer vision. Specifically, for biomedical image segmentation problems, U-Net architecture is widely used. However, in the case of micro-CT data, there is a question whether 3D CNN would not be more beneficial. The master thesis introduced CNN architecture based on V-Net as well as the methodology for data preprocessing and postprocessing. The baseline architecture was further optimized using advanced architectural modifications such as Atrous Spatial Pyramid Pooling (ASPP) module, Scaled Exponential Linear Unit (SELU) activation function, multi-output supervision and Dense blocks. For network learning, modern approaches were used including learning rate warmup or AdamW optimizer. Even though the 3D CNN do not outperform U-Net regarding the craniofacial cartilage segmentation, the optimization raises the median of Dice coefficient from 69.74 % to 80.01 %. Therefore, utilizing these advanced architectural modifications is highly encouraged as they can be easily added to any U-Net-like architecture and may remarkably improve the results.
|
|
|
Preparation and characterisation of encapsulated biogenic nanoparticles for medical application
Poláková, Veronika ; Vojtová, Lucy (oponent) ; Brtníková, Jana (vedoucí práce)
The aim of this bachelor thesis is a preparation and polymeric encapsulation of antibacterial biogenic nanoparticles in order to enhance their stability, reduce possible cytotoxicity while maintaining antibacterial activity. The theoretical part contains an overview of regenerative medicine, commonly used nanostructures in regenerative medicine, their properties, and methods of encapsulation. The experimental work especially focuses on selenium nanoparticles synthesis using different methods with specific protecting agents followed by encapsulation via nature-inspired polymer. The used encapsulation methods are based on self-assembly polymerization and coating of selected natural polymeric adhesive. The chemical and physical properties of pure and encapsulated selenium nanoparticles, such as their concentration and morphology (size and shape) were studied using Fourier transformed infrared spectrophotometry and scanning transmission electron microscopy. It was found that different used method provides nanoparticles with different size, shape and stability. As a main result, an optimized method of selenium particles synthesis, stabilization and encapsulation was developed and described. Nanoparticles, synthesized using this method, are spherical with size ranging from 10.5 to 101 nm. The sizes of most of the synthesized nanoparticles lay within 10.5 to 40 nm interval. When encapsulated, their sizes increase and are ranging from 74.5 to 571.5 nm.
|
|
|
Cribra orbitalia - frekvence a koincidence s jinými stopami nemocí na skeletu. Středověké nálezy z území ČR.
Poláková, Veronika ; Likovský, Jakub (vedoucí práce) ; Brůžek, Jaroslav (oponent)
Cribra orbitalia představují jednu z nejčastěji se vyskytujících kostních patologií u kosterních pozůstatků minulých populací. Tato léze je charakteristická pórovitým, žlábkovaným až trámčitým narušením vnější laminy kompaktní kosti stropu očnice. Ačkoliv je vznik cribra orbitalia často spojován s hyperplázií kostní dřeně v důsledku sideropenické anémie, vyloučeny nejsou ani jiné příčiny. Zaznamenán je jak samotný výskyt cribra orbitalia, tak koincidence s jinými známkami nemocí. Práce se zaměřuje na cribra orbitalia jako na projev dlouhodobé zátěže na kostře a průvodní příznak onemocnění či anemických syndromů. Analýze byly podrobeny jednak kostrové pozůstatky z českých středověkých lokalit s přítomnými cribra orbitalia, jednak celé středověké pohřebiště na Oškobrhu. Makroskopické zkoumání neprokázalo pravidelnou koincidenci cribra orbitalia a kostních známek konkrétních nemocí. Přesto byly sledovány jiné kostní změny: hyperostosis porotica, zvýšená vaskularizace, supranasální porozita, zánětlivá-hemoragická reakce endokrania, které mohou v rámci diferenciální diagnózy pomoci objasnit původ a/nebo příčinu vzniku cribra orbitalia. Srovnání populace z Oškobrhu s jinými středověkými pohřebišti ukázalo, že frekvence výskytu cribra orbitalia se řadí mezi vyšší, a to jak ve skupině nedospělých, tak...
|
|
|
Psychosomatika v souvislosti s korespondujícími biblickými příběhy
Poláková, Veronika ; Milfait, René (vedoucí práce) ; Heryán, Ladislav (oponent)
Bakalářská práce se zabývá psychosomatikou v souvislosti s korespondujícími biblickými příběhy a je rozdělena do několika částí. Nejprve je čtenář uveden do obecné problematiky psychosomatiky, ze které následuje přechod ke konkrétním příkladům psychosomatických onemocnění spolu s ukázku míst, kde se jimi zabývají. Práce dále navazuje na duchovní rozměr člověka, kde je objasněno, co to je a zda ho má každý. Tato kapitola zahrnuje též téma spirituality a konkrétněji křesťanské spirituality. Je zde nabídka tří možností jak z křesťanského úhlu pečovat o svou duchovní složku, mezi které patří i zabývání se Biblí. Tím se již práce přesouvá k překlenovacímu tématu mezi psychosomatikou a biblickými příběhy o uzdravování, a tím je hagioterapie. V tématu hagioterapie je objasněn pojem, nastíněno, jak probíhají hagioterapeutická sezení, jak se na nich pracuje s Biblí a jak Bible může člověku pomáhat. Předposledním okruhem je nemoc a uzdravení v Bibli, kde je poukázáno na to, jak byla onemocnění chápána v biblických dobách. Na to již navazuje poslední a stěžejní část, kterou je snaha o rozebrání vybraných biblických příběhů o uzdravování a nabídka, jak mohou pomoci dnešnímu člověku, aby směřoval k tomu, že všechny jeho složky budou v poklidné vyváženosti. Powered by TCPDF (www.tcpdf.org)
|
|
| |
|
|
Utilization Of Convolutional Neural Networks For Segmentation Of Mouse Embryos Cartilaginous Tissue In Micro-Ct Data
Poláková, Veronika
Automatic segmentation of the biological structures in micro-CT data is still a challengesince the object of interest (craniofacial cartilage in our case) is commonly not characterized by uniquevoxel intensity or sharp borders. In recent years, convolutional neural networks (CNNs) have becomeexceedingly popular in many areas of computer vision. Specifically, for biomedical image segmentationproblems, U-Net architecture is widely used. However, in case of micro-CT data, there isa question whether 3D CNN would not be more beneficial. This paper introduces CNN architecturebased on V-Net as well as the methodology for data preprocessing and postprocessing. The baselinearchitecture was further optimized using advanced techniques such as Atrous Spatial Pyramid Pooling(ASPP) module, Scaled Exponential Linear Unit (SELU) activation function, multi-output supervisionand Dense blocks. For network learning, modern approaches were used including learning ratewarmup or AdamW optimizer. Even though the 3D CNN do not outperform U-Net regarding the craniofacialcartilage segmentation, the optimization raises the median of Dice coefficient from 69.74 %to 80.01 %. Therefore, utilizing these advanced techniques is highly encouraged as they can be easilyadded to any U-Net-like architecture and may remarkably improve the results.
|
|
|
Utilization of convolutional neural networks for segmentation of mouse embryos cartilaginous tissue in micro-CT data
Poláková, Veronika ; Vičar, Tomáš (oponent) ; Chmelík, Jiří (vedoucí práce)
Automatic segmentation of the biological structures in micro-CT data is still a challenge since the object of interest (craniofacial cartilage in our case) is commonly not characterized by unique voxel intensity or sharp borders. In recent years, convolutional neural networks (CNNs) have become exceedingly popular in many areas of computer vision. Specifically, for biomedical image segmentation problems, U-Net architecture is widely used. However, in the case of micro-CT data, there is a question whether 3D CNN would not be more beneficial. The master thesis introduced CNN architecture based on V-Net as well as the methodology for data preprocessing and postprocessing. The baseline architecture was further optimized using advanced architectural modifications such as Atrous Spatial Pyramid Pooling (ASPP) module, Scaled Exponential Linear Unit (SELU) activation function, multi-output supervision and Dense blocks. For network learning, modern approaches were used including learning rate warmup or AdamW optimizer. Even though the 3D CNN do not outperform U-Net regarding the craniofacial cartilage segmentation, the optimization raises the median of Dice coefficient from 69.74 % to 80.01 %. Therefore, utilizing these advanced architectural modifications is highly encouraged as they can be easily added to any U-Net-like architecture and may remarkably improve the results.
|
|
|
Tissue Characterisation In Spectral Ct Data
Poláková, Veronika
This article deals with tissue characterisation in virtual monoenergetic images (VMI). It presents that with growing energy of VMI the median of CT number increases or decreases with different steepness depending on a type of tissue. As a consequence, some VMI enable better soft tissue distinction and therefore their better classification. To determine which VMI are best suited, Cohen d was used. After that, Random Forest classification algorithm was applied to these images. If median of pixels is considered in addition to pixels themselves, the tissues can be clasiffied correctly.
|
host ::
RSS.