Název: Comparison of full-size and patches-based learning approaches for aneurysm segmentation in TOF-MRI data
Autoři: Vývoda, J. ; Jakubíček, R.
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: The paper is interested in segmentation of intracranial aneurysms. Intracranial aneurysms are life-threatening issue. In this paper there are proposed two methods for this segmentation problem. First one is segmentation with use of full size images, the other one uses patches of the image, which could help decrease the ration between pixels representing background and pixels representing aneurysms. Data from ADAM challenge 2020 are used to train and evaluate these approaches. Using full images show better results in dice coefficient, which is 0.16 greater, then patched image approach.
Klíčová slova: aneurysm; detection; Intracranial aneurysm; machine learning; magnetic resonance; segmentation; U-net
Zdrojový dokument: Proceedings I of the 28st Conference STUDENT EEICT 2022: General papers, ISBN 978-80-214-6029-4

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/11012/209338

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-524765


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference