Original title: Implementace modelů strojového učení pro segmentaci trombů v multifázických CT datech
Translated title: Implementation of deep-learning models for thrombus segmentation in multiphase CT data.
Authors: Tomančeková, Veronika ; Nemčeková, Petra (referee) ; Jakubíček, Roman (advisor)
Document type: Master’s theses
Year: 2025
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [eng] [cze]
Ischemická cievna mozgová príhoda patrí medzi hlavné príčiny úmrtnosti a dlhodobej invalidity. Diplomová práca sa zameriava na problematiku ischemickej cievnej mozgovej príhody, urýchlenie diagnostiky, najmä pomocou detekcie a segmentácie trombu z multifázických CT angiografických dátach. Praktická časť diplomovej práce zahŕňa opis vyhotovenia potrebných úprav dostupného datasetu a taktiež implementáciu segmentačných prístupov pomocou neurónových sietí. V práci je navrhnutý prístup lokalizácie trombu, ktorý využíva 2D projekcie maximálnej intenzity v axiálnej, koronálnej a sagitálnej rovine na extrakciu 3D oblastí trombu. V týchto oblastiach následne prebieha segmentácia trombu pomocou 3D neurónovej siete a opätovne sa integrujú do 3D objemu s veľkosťou roginálnych dát. Tento prístup je porovnaný so segmentáciou pomocou nnUnet. Výsledky sú prezentované a diskutované. Ischemic stroke ranks among the leading causes of mortality and long-term disability. This thesis focuses on the issue of ischemic stroke, the acceleration of its diagnosis, and particularly thrombus detection and segmentation in multiphase computational tomography angiography (mCTA) data. The practical part of the thesis includes a description of the execution of the necessary modifications of the available dataset, and also the implementation of segmentation approaches using neural networks. The thesis proposes a thrombus localization approach that utilizes 2D maximum intensity projections in axial, coronal, and sagittal planes to extract 3D thrombus patches. These patches are then segmented with a 3D neural network and reintegrated into the original 3D volume. This approach is compared to the nnUnet segmentation. The results are presented and discussed.
Keywords: Dôležitosť kanálov; Ischemická cievna mozgová príhoda; Konvolučné neurónové siete; Lokalizácia trombu; Maximálna Projekcia Intenzít; Multifázická angiografická výpočetná tomografia; nnUnet; Segmentácia trombu; Channel importance; Convolutional Neural Networks; Ischemic Stroke; Maximal Intensity Projection; Multiphase Computational Tomography Angiography; nnUnet; Thrombus Localization; Thrombus Segmentation

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/252665

Permalink: http://www.nusl.cz/ntk/nusl-681279


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