Original title: Charakterizace prsní tkáně v dynamických MR skenech
Translated title: Characterization of Breast Tissue in Dynamic MR Scans
Authors: Rudol, Filip ; Alabdah, Madeleine (referee) ; Jakubíček, Roman (advisor)
Document type: Master’s theses
Year: 2026
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [eng] [cze]
Rakovina prsu je jedním z nejčastějších onkologických onemocnění u žen. Magnetická rezonance prsu umožňuje hodnocení prsní tkáně a lézí, přičemž dynamické kontrastní MRI představuje hlavní protokol pro vyšetření prsu. Cílem diplomové práce je vyvinout softwarový nástroj pro automatizovanou charakterizaci prsní tkáně. Navržený postup zahrnuje registraci dynamických skenů a segmentaci prsu, fibroglandulární tkáně, cév a lézí. Toho bylo dosaženo implementací existujících nástrojů a modelů a také trénováním vlastních modelů. V této práci je pro segmentaci všech prsních struktur využit framework nnU-Net. Zvláštní důraz byl kladen na segmentaci fibroglandulární tkáně a cév, kde byly zpřesněny dostupné ground-truth anotace cév, byla provedena ablační studie a byly natrénovány vlastní modely. Jednotlivé kroky a dosažené výsledky jsou vyhodnoceny a diskutovány. Breast cancer is one of the most common oncological diseases among women. Breast magnetic resonance imaging enables the assessment of breast tissue and lesions, with dynamic contrast-enhanced MRI being the core breast protocol. The aim of this master's thesis is to develop a software tool for automated breast tissue characterization. The proposed pipeline includes the registration of dynamic scans and the segmentation of the breast, fibroglandular tissue, blood vessels, and lesions. This was achieved by implementing existing tools and models as well as training custom models. The nnU-Net framework is utilized in this work for the segmentation of all breast structures. Particular focus was placed on the segmentation of fibroglandular tissue and vessels, where the available vessel ground-truth annotations were refined, an inference ablation study was performed, and custom models were trained. The individual steps and the achieved results are evaluated and discussed.
Keywords: cévy; dynamické kontrastní MRI; fibroglandulární tkáň; nnU-Net; prsní tkáň; rakovina prsu; segmentace obrazu; breast cancer; breast tissue; dynamic contrast-enhanced MRI; fibroglandular tissue; image segmentation; nnU-Net; vessels

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/11012/259544

Permalink: http://www.nusl.cz/ntk/nusl-775280


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