Original title: Implementace modelu hlubokého učení pro segmentaci páteřních nádorů u pacientů s mnohočetným myelomem v CT datech
Translated title: Implementation of a deep learning model for spinal tumor segmentation of multiple myeloma patients in CT data
Authors: Gálík, Pavel ; Chmelík, Jiří (referee) ; Nohel, Michal (advisor)
Document type: Master’s theses
Year: 2024
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [eng] [cze]
Tato diplomová práce se zabývá implementací modelu hlubokého učení pro segmentaci páteřních nádorů pacientů s mnohočetným myelomem v CT datech. Práce seznamuje čtenáře s anatomií páteře, tématem mnohočetného myelomu a principy CT zobrazování. Hluboké učení se stává důležitou součástí vývoje počítačem podporovaných systémů detekce a diagnostiky, práce uvádí různé modely hlubokého učení pro segmentaci obrazu a pro segmentaci nádorů páteře byl implementován model nnU-Net. This master thesis deals with the implementation of a deep learning model for spinal tumor segmentation of multiple myeloma patients in CT data. The thesis introduces readers to the anatomy of the spine, the topic of multiple myeloma, and the principles of CT imaging. The deep learning is becoming an important part of developing computer-aided detection and diagnosis systems. The thesis introduces various deep-learning models for image segmentation, and the nnU-Net model was implemented for spinal tumor segmentation.
Keywords: deep learning; Mnohočetný myelom; nnU-Net; segmentace; výpočetní tomografie; computed tomography; deep learning; Multiple myeloma; nnU-Net; segmentation

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: https://hdl.handle.net/11012/247174

Permalink: http://www.nusl.cz/ntk/nusl-617185


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses