Název:
Zvýšení rozlišení obrazu pomocí hlubokých neuronových sítí
Překlad názvu:
Image Super-Resolution Using Deep Learning
Autoři:
Bublavý, Martin ; Juránková, Markéta (oponent) ; Španěl, Michal (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2023
Jazyk:
slo
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [slo][eng]
Lekárske zobrazovanie, ktoré je základnou súčasťou súčasnej zdravotnej starostlivosti, umožňuje identifikovať a liečiť rôzne ochorenia. Prvky ako šum a nízke rozlíšenie však môžu mať negatívny vplyv na kvalitu lekárskych snímkov. V tejto práci bolo skúmané, ako zlepšiť rozlíšenie a kvalitu lekárskych fotografií pomocou MedSRGAN, modelu hlbokého učenia postaveného na generatívnych adverzných sieťach (GAN). Sieť MedSRGAN bola implementovaná a aplikovaná na počítačovú tomografiu (CT), jedna z široko využívaných lekárskych zobrazovacích metód.
The ability to identify and treat a variety of medical diseases is made possible by medical imaging, which is an essential component of contemporary healthcare. Yet, elements like noise and low resolution can have a negative impact on the quality of medical photographs. In this thesis, how to enhance the resolution and quality of medical images was investigated using MedSRGAN, a deep learning model built on generative adversarial networks (GANs). MedSRGAN was implemented and then applied to computed tomography (CT), one of the most utilized medical imaging methods.
Klíčová slova:
computed tomography (CT); convolutional neural networks (CNNs); deep learning; generative adversarial networks (GANs); image enhancement; image processing; image quality; image reconstruction; image resolution; image restoration; medical diagnosis; medical imaging; MedSRGAN; residual blocks; super-resolution
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/11012/211038