Název:
Konvoluční neuronové sítě pro detekci objektů v medicínských obrazech
Překlad názvu:
Deep-learning-based pattern detection in medical images
Autoři:
Koščová, Zuzana ; Vičar, Tomáš (oponent) ; Jakubíček, Roman (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2020
Jazyk:
slo
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [slo][eng]
Táto bakalárska práca sa zaoberá konvolučnými neurónovými sieťami (CNN) pre detekciu objektov v medicínskych obrazoch. Pre lepšie pochopenie problematiky sú najprv popísané umelé neurónové siete a CNN všeobecne, neskôr sú kapitoly zamerané na konkrétne metódy detekcie, ktoré využívajú CNN. Vrámci bakalárskej práce bola vytvorená sada abdominálnych snímkov z výpočetnej tomografie a z magnetickej rezonančnej tomografie na ktorých boli trénované a testované „Faster R-CNN“ a „You Only Look Once“ algoritmy pre detekciu pečene. Implementácia oboch modelov prebehla v programovacom jazyku Python s využitím knižnice Pytorch. Na záver sú vyvodené a diskutované výsledky detekcie a možné využitie v lekárstve.
This Bachelor thesis deals with Deep-learning-based pattern detection in medical images. For better understanding of a subject artificial neural network and convolutional neural network (CNN) are described at first. Next chapter is focused on specific detection methods which use CNN. Within a bachelor thesis a dataset of abdominal CT a MRI scans was created. Faster R-CNN and YOLO algorithms were trained and tested on acquired scans for liver detection. Implementation of chosen methods took place in Python programming language using the Pytorch library. Finally, detection results and possible use in medicine are discussed.
Klíčová slova:
bounding box; CT; Deep learning; Faster R-CNN; liver; MRI; pattern detection; YOLO
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/11012/190473