|
|
Analýza trombu ve vícefázických CT datech u ischemické mozkové příhody
Mikešová, Tereza ; Holeček, Tomáš (oponent) ; Jakubíček, Roman (vedoucí práce)
Diplomová práce se zabývá analýzou trombů v mozkových vícefázických CT datech. V teoretické části práce je vypracována rešerše metod zejména segmentace trombů. Dále je v této části shrnutá anatomie mozkových tepen a přiblížena cévní mozková příhoda. Stručně jsou popsány vybrané metody z oblasti zpracování obrazu. Výsledkem praktické části je porovnání metod segmentace trombů. Samotné segmentaci předcházelo předzpracování dat, které je v práci popsáno, a vytvoření manuální anotační databáze. Nejlepší implementovanou metodou se ukázala metoda adaptivního prahování, která dosáhla Dice skóre 0,4555. Vhodným zkombinováním všech metod bylo dosaženo finálního Dice skóre 0,5145. Ze segmentovaných objemů byly následně vypočítány parametry trombů. Mediánová hodnota průměrné intenzity dosáhla na 51,55 HU, medián délky byl 15,16 mm a mediánový objem byl stanoven na 65,34 mm3. Následná korelační analýza neukázala žádný významný vztah mezi odvozenými parametry.
|
|
|
Segmentace žeber v hrudních CT skenech
Kašík, Ondřej ; Kolář, Radim (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá návrhem a realizací algoritmu pro segmentaci žeber z hrudních CT dat. Pro segmentaci je zvolena metoda detekce středových linií žeber. Prvním krokem tohoto přístupu je extrakce středových linií kostí vstupních CT dat. Středové linie jsou rozděleny na krátká primitiva, která jsou poté klasifikována do dvou kategorií podle toho, zdali reprezentují středovou linii žebra či nikoliv. Následně se středové linie žeber stávají počátečními body metody narůstání oblastí v trojrozměrném prostoru, kterou je realizována finální segmentace žeber. V rámci práce byla manuálně anotována databáze 10 CT skenů, která byla následně využita pro validaci navrženého přístupu segmentace. Dosažená úspěšnost klasifikace primitiv je 96,7 %, úspěšnost segmentace žeber (Dice koeficient) je pak 86,8 %.
|
|
|
Identifikace 2D CT axiálních řezů pomocí konvolučních neuronových sítí
Vavřinová, Pavlína ; Harabiš, Vratislav (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá klasifikací 2D axiálních CT řezů pacientských dat do šesti kategorií. K tomuto záměru byla využita oblast konvolučních neuronových sítí. Pro snadnější porozumění této problematice jsou nejprve vysvětleny základy neuronových sítí obecně a poté principy hlubokého učení zahrnující konvoluční neuronové sítě. Pro účely identifikace axiálních řezů byla vybrána konkrétně síť AlexNet, která byla po uzpůsobení otestovaná na vytvořené datové sadě. Celková úspěšnost klasifikace dosáhla 86%, po finálních úpravách došlo k mírnému zlepšení, kdy identifikační schopnost činila 87%.
|
|
|
Analýza časového vývoje léčených nádorů páteře v CT datech
Nohel, Michal ; Jan, Jiří (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato diplomová práce se zabývá časovým vývojem léčených nádorů páteře v CT datech. V teoretické části se zabývá anatomií, fyziologií a patofyziologií páteře a těl obratlů. Dále popisuje diagnostické a terapeutické možnosti detekce a léčby nádorů páteře. Její součástí je přehled současného stavu využití časové analýzy v onkologii. Jsou diskutovány problémy dostupných anotací a jsou vytvořeny nové databáze pro následnou analýzu. Dále je navržena metodologie časové analýzy podle tvarové charakterizace a velikosti postižení obratle. Na vytvořené databáze jsou aplikovány navržené metodické přístupy extrakce příznaků. Jejich volba a vhodnost je diskutována, včetně jejich potenciálu pro případné využití pro klinickou praxi sledování vývoje a odvozování charakteristických závislostí příznaků na prognóze pacienta.
|
|
|
Segmentace mozkových cév v objemových datech
Sucháček, Jan ; Harabiš, Vratislav (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá návrhem, realizací a testováním algoritmu pro segmentaci mozkových cév v 3D CT obrazových datech se zaměřením na cévní mozkové příhody. Nejprve byla vytvořena 3D binární maska mozku, která byla následně využita k extrakci mozkové tkáně z původních objemových CT snímků. V takto extrahované mozkové tkáni byly zvýrazněny mozkové cévy pomocí tří pokročilých filtrů založených na výpočtu Hessovy matice a analýze vlastních čísel Hessovy matice. Výsledné parametrické obrazy zvýrazněných mozkových cév byly vstupem do šesti segmentačních metod, které byly v této práci implementovány a porovnány. Programové řešení této práce bylo implementováno v prostředí Matlab R2021b. Navržený algoritmus byl otestován na reálných pacientských datech. V jednom z pacientských CT skenů byly jako součást této práce označeny mozkové cévy a tento výsledný objem manuálně segmentovaných mozkových cév byl využit k objektivnímu zhodnocení dosažených výsledků segmentace. V teoretické části byla nastudována a popsána problematika anatomie, fyziologie a patologie cévního zásobení mozku. Dále byly popsány zobrazovací metody využívané pro zobrazení cévního zásobení mozku. Byla provedena rešerše dostupných segmentačních technik a již publikovaných konkrétních přístupů pro segmentaci cévního zásobení mozku. Také byly teoreticky popsány metody použité v této práci.
|
|
|
Adaptivní zostřování obrazu
Jakubíček, Roman ; Odstrčilík, Jan (oponent) ; Jan, Jiří (vedoucí práce)
Tato bakalářská práce je rozborem problému a technickou zprávou k vytvořenému programu pro zvýraznění obrazů. Hlavním cílem celého procesu zpracování obrazu je adaptivní zostřování dosažené aplikací prostorově variantního lokálního konvolučního operátoru. Prostorová variantnost masky a tím stupeň ostření je určován místní směrodatnou odchylkou jasových hodnot v obraze. Rozhodnutí o ostření může být binární nebo spojité. V první části je uvedena stručná teorie k tématu. Ta je nezbytná pro další kapitoly této práce, které pojednávají o realizaci programu, popisují jednotlivé algoritmy, včetně blokových schémat a uživatelského prostředí a hodnotí dosažené výsledky včetně ukázek. V poslední kapitole se věnuji variantnosti obrázků a jejímu vlivu na kvalitu zostření a natavení parametrů procesu.
|
|
|
Automatická detekce osy páteře v 3D CT datech
Hříbková, Veronika ; Harabiš, Vratislav (oponent) ; Jakubíček, Roman (vedoucí práce)
Práce se zabývá tématem automatické detekce osy páteře v 3D CT datech. Teoretická část pojednává o základních principech zpracování obrazů a zaměřuje se na problematiku sběru a zpracování medicínských obrazových dat, obzvláště dat z rentgenové výpočetní tomografie. Celá kapitola je věnována principu tvorby CT 2D a 3D obrazů. Dále je zpracována rešerše anatomie osového skeletu se zaměřením na anatomii páteře. Druhá část práce je věnována návrhu a realizaci metody segmentace páteře s využitím prostého prahování a morfologických operací k nalezení iniciální pozice osy páteře s definicí počátku a konce osy pomocí vzájemné korelace s vytvořenými binárními maskami. Následné zpřesnění pozice páteře je provedeno segmentací páteřního kanálu pomocí metody narůstání oblastí, kde výchozí body, ležící uvnitř páteřního kanálu, jsou určeny nalezením těžiště obratle nebo Houghovou transformací.
|
|
|
Modelování polohy hlavy pomocí stereoskopické rekonstrukce
Hříbková, Veronika ; Jakubíček, Roman (oponent) ; Kolář, Radim (vedoucí práce)
Tato práce se zabývá detekcí polohy lidské hlavy ve stereo datech. Teoretická část poskytuje podklady pro porozumění geometrii kamery, jejím parametrům a způsobu kalibrace. Dále jsou popsány principy stereo analýzy a tvorby disparitních map. V rešeršní části jsou představeny metody používané pro modelování polohy hlavy a je uveden rozbor vybraných publikovaných článků. V rámci diplomové práce byl navržen systém dvou kamer pro stereoskopická snímání pohybu hlavy a bylo realizováno několik měření. Získaná data byla upravena pro tvorbu disparitních map a další zpracování. Na základě detekce obličejových příznaků, konkrétně vnitřních a vnějších koutků očí a koutků úst, a jejich korespondencí byl vytvořen jednoduchý geometrický model ve tvaru trojúhelníku, který znázorňuje sklon obličejové roviny v prostoru. Výpočtem úhlů sklonu ve třech osách je získána aktuální poloha hlavy. Pohyb je modelován sledováním detekovaných bodů v průběhu video sekvencí.
|
|
|
Rozšiřující modul platformy 3D Slicer pro segmentaci tomografických obrazů
Chalupa, Daniel ; Jakubíček, Roman (oponent) ; Mikulka, Jan (vedoucí práce)
Tato práce pojednává o využití strojového učení při úlohách klasifikace medicínských obrazů. Obsahuje literární rešerši pojednávající o klasických a moderních metodách segmentace obrazů. Hlavním cílem práce je navržení a vytvoření rozšíření pro platformu 3D Slicer. Rozšíření využívá strojové učení ke klasifikaci obrazů dle zadaných parametrů. Testování rozšíření probíhá na reálných tomografických obrazech z nukleární magnetické rezonance a sleduje přesnost klasifikace a využitelnost v praxi.
|
|
|
Segmentace kortikálních částí obratlů
Janštová, Michaela ; Kolář, Radim (oponent) ; Jakubíček, Roman (vedoucí práce)
Práce se zabývá segmentací kortikálních částí obratlů z CT obrazových dat v programovém prostředí MATLAB. Popsána je problematika segmentačních technik, zejména metody „level-set” a její modifikace DRLSE. Tato metoda byla zvolena na základě informací získaných z článků publikovaných v odborných časopisech a také díky hojnému využití v praxi a uspokojivým výsledkům právě v oblasti segmentace kostních tkání. V závěru práce je navržená metoda testovaná na CT obrazových datech.
|
host ::
RSS.