Název: Hluboké neuronové sítě pro analýzu 3D obrazových dat
Překlad názvu: Deep Learning for 3D Image Analysis
Autoři: Hlavoň, David ; Herout, Adam (oponent) ; Španěl, Michal (vedoucí práce)
Typ dokumentu: Bakalářské práce
Rok: 2016
Jazyk: cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze] [eng]
Práce pojednává o využití plně konvolučních neuronových sítí pro segmentaci kostí z CT snímků. Typickým problémem při trénování na medicinských datech bývá omezená velikost trénovací sady. Experimenty ukázaly, že trénování na podoobrazech při omezeném počtu trénovacích dat dává lepší výsledky. Při trénování na podobrazech bylo dosaženo přesnosti segmentace 95,1%, což je o 30% více než při trénování na celých obrazech. Pro měření úspěšnosti segmentace byla zvolena metrika F-measure. Pro práci s konvolučními neuronovými sítěmi byl použit BVLC Caffe Framework. This work deals with usage of fully convolutional neural network for segmentation of bones in CT scans. Typical issue is limited size of dataset while training on medical images. Experiments show that training on patches gives score of segmentation 95,1%. Training on whole images gives score 30% less than training on patches. As metric F-measure was used. BVLC Caffe Framework was used for training neural network.
Klíčová slova: omezený dataset; plně konvoluční neuronová síť; podobrazy; segmentace; fully convolution neural network; limited dataset; patches; segmentation

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/11012/62133

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-590203


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Vysokoškolské kvalifikační práce > Bakalářské práce