|
|
Klasifikace patologických obratlů v CT snímcích páteře s využitím metod strojového učení
Tyshchenko, Bohdan ; Ronzhina, Marina (oponent) ; Chmelík, Jiří (vedoucí práce)
Tato diplomová práce se zaměřuje na detekci patologických obratlů v CT snímcích páteře s využitím metod strojového učení. V rámci teoretické části je popsána anatomie páteře, výskyt patologií v CT obrazových datech, je vypracován přehled existujících metod určených pro automatickou detekci patologických obratlů. Praktická část je věnována návrhu počítačového systému, který realizuje detekci patologie obratlů a určuje jejich typ. Jako klasifikátor se používá neuronová síť. Aplikace analýzy hlavních komponent (PCA) zajišťuje redukci počátečního počtu příznaků. Pro řešení daného zadání byla získána reálná data. Závěr obsahuje hodnocení dosažených výsledků.
|
|
|
Segmentace klenby lebeční u pacientů po kraniektomii
Vavřinová, Pavlína ; Chmelík, Jiří (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá segmentací klenby lebeční v CT snímcích pacientů po kraniektomii. Zadaná problematika byla řešena pomocí segmentační architektury U-Net, konkrétně její 2D i 3D variantou. S první verzí architektury bylo dosaženo průměrné hodnoty Jaccardova indexu 89,4 %, u druhé úspěšnosti 67,1 % vyhodnocené stejnou metrikou. Při zaměření na oblasti po chirurgickém zákroku nebyl u výsledků jednotlivých variant již tak velký rozdíl, zjištěný Jaccardův index pro 2D síťě byl průměrně 98,4 % a pro 3D verze 97,0 %.
|
|
|
Umělá inteligence pro predikování sepsí z klinických signálů
Šidlo, David ; Chmelík, Jiří (oponent) ; Vičar, Tomáš (vedoucí práce)
Tato bakalářská práce řeší otázku predikování sepsí z klinických signálů pomocí metod umělé inteligence. V teoretické části je vypracována literární rešerše na zakladní principy a fungování různých metod umělé inteligence. Větší důraz byl kladen na rekurentní neuronové sítě. Cílem praktické části byla implementace vhodné metody ve zvoleném programovacím prostředí. Jako vhodná metoda byla vybrána LSTM síť a časová konvoluční síť TCN. Nejlepších výsledků normalizované hodnoty utility score dosáhla TCN, a to 0,377 a sedmi vrstvá LSTM 0,356.
|
|
|
Segmentation of biological samples in cryo-electron microscopy images using machine learning methods
Sokol, Norbert ; Vičar, Tomáš (oponent) ; Chmelík, Jiří (vedoucí práce)
Cryo-electron microscopy imaging has its irreplaceable position in analysis of various biological structures. Localization of the cells cultivated on grid and their segmentation towards background or contamination is essential. With the development of various deep learning methods, the performance of semantic segmentation tasks dramatically increased. In this thesis, we will develop a deep convolutional neural network for semantic segmentation of the cells cultivated on grid. Dataset for this thesis was created with dual-beam cryo-electron microscope developed by Thermo Fisher Scientific Brno.
|
|
|
Automatická klasifikace obrazů kolonií na Petriho miskách
Herodes, Jakub ; Odstrčilík, Jan (oponent) ; Chmelík, Jiří (vedoucí práce)
Práce se zabývá problematikou segmentace a klasifikace obrazů kolonií organismů kultivovaných na Petriho miskách. Je navržena segmentační metoda buněk a testovány různé klasifikační přístupy za účelem co nejvyšší spolehlivosti. Funkčnosti navržených metod jsou otestovány na obrazech poskytnutých firmou BioVendor Instruments a.s. Úspěšnost každé metody je hodnocena podle správnosti klasifikace obrazů do skupin. Optimalizované algoritmy jsou otestovány na databázi 250 obrazů.
|
|
|
Expozice negativního fotorezistu s využitím prvků LED
Chmelík, Jiří ; Novák, Vítězslav (oponent) ; Starý, Jiří (vedoucí práce)
Cílem této práce je návrh a realizace expoziční jednotky pro negativní fotorezist s využitím LED diod vyzařujících v UV spektru. Ke správnému návrhu této jednotky je nezbytné porozumět fyzikálním zákonům zabývajících se světlem a vyzařováním. Hlavní část této práce se zabývá návrhem a konstrukcí LED maticového pole. Druhým krokem je testování tohoto pole. Další části jsou zaměřeny na návrh nebo volbu napájecího zdroje, vakuového rámu, časovače, řídící jednotky a dalších podpůrných systémů. Finální část je věnována popisu zařízení a návodu k obsluze.
|
|
|
Utilization of convolutional neural networks for segmentation of mouse embryos cartilaginous tissue in micro-CT data
Poláková, Veronika ; Vičar, Tomáš (oponent) ; Chmelík, Jiří (vedoucí práce)
Automatic segmentation of the biological structures in micro-CT data is still a challenge since the object of interest (craniofacial cartilage in our case) is commonly not characterized by unique voxel intensity or sharp borders. In recent years, convolutional neural networks (CNNs) have become exceedingly popular in many areas of computer vision. Specifically, for biomedical image segmentation problems, U-Net architecture is widely used. However, in the case of micro-CT data, there is a question whether 3D CNN would not be more beneficial. The master thesis introduced CNN architecture based on V-Net as well as the methodology for data preprocessing and postprocessing. The baseline architecture was further optimized using advanced architectural modifications such as Atrous Spatial Pyramid Pooling (ASPP) module, Scaled Exponential Linear Unit (SELU) activation function, multi-output supervision and Dense blocks. For network learning, modern approaches were used including learning rate warmup or AdamW optimizer. Even though the 3D CNN do not outperform U-Net regarding the craniofacial cartilage segmentation, the optimization raises the median of Dice coefficient from 69.74 % to 80.01 %. Therefore, utilizing these advanced architectural modifications is highly encouraged as they can be easily added to any U-Net-like architecture and may remarkably improve the results.
|
|
|
Classification of glioma grading in brain MRI
Olešová, Kristína ; Mézl, Martin (oponent) ; Chmelík, Jiří (vedoucí práce)
This thesis deals with a classification of glioma grade in high and low aggressive tumours and overall survival prediction based on magnetic resonance imaging. Data used in this work is from BRATS challenge 2019 and each set contains information from 4 weighting sequences of MRI. Thesis is implemented in PYTHON programming language and Jupyter Notebooks environment. Software PyRadiomics is used for calculation of image features. Goal of this work is to determine best tumour region and weighting sequence for calculation of image features and consequently select set of features that are the best ones for classification of tumour grade and survival prediction. Part of thesis is dedicated to survival prediction using set of statistical tests, specifically Cox regression
|
|
|
Systém pro optické měření otoku končetiny
Šeptun, Roman ; Chmelík, Jiří (oponent) ; Harabiš, Vratislav (vedoucí práce)
Tato práce se zabývá metodami měření otoků. V práci jsem navrhl hardwarové a softwarové řešeni přístroje pro rekonstrukci povrchu části končetiny. Práce má za cíl zhodnotit a diskutovat možnosti tohoto zařízení. Pro vytvoření 3D modelu scény (končetiny) z 2D obrazů jsem vytvořil rekonstrukční algoritmus. Pro akvizici obrazů bylo zkonstruováno zařízení ovládané platformou Arduino, celé zařízení bylo realizováno v programovém prostředí Matlab. V závěru práce je uvedeno možné další vylepšení přístroje pro jeho využití v praxi.
|
|
|
Image filtration effect on quality of subtractive angiography-based CT brain images of blood-vessels
Šipula, Samuel ; Nohel, Michal (oponent) ; Chmelík, Jiří (vedoucí práce)
The aim of the bachelor thesis is to design filtering methods for the resulting quality of digital subtraction angiography. The role of filtration in this case is to suppress noise and strong structures to enhance vessel anatomy. Real patient data obtained using a computed tomography system are available for this purpose. In this work, the emphasis is mainly on noise suppression. Individual filtration techniques were implemented in MATLAB. The work further acquaints the reader with the theory of vascular supply to the brain, its imaging methods and the description of filters as discrete operators.
|
host ::
RSS.