|
|
Estimation of bone mineral density of cancellous vertebral bone in multi-energy CT data
Líška, Martin ; Jakubíček, Roman (oponent) ; Chmelík, Jiří (vedoucí práce)
The principle of the BMD estimation method presented in this thesis consists in the tomographic scanning of the axial skeleton by a CT system with two different energies. The BMD estimation method was applied to acquisitions scanned by CT system IQon Spectral CT (Philips) on seven patients, two men and five women, in the lumbo-sacral region. For the functionality of the method, it is necessary to know the standardized amounts of selected elemental components contained in a given tissue, specifically in the cancellous bone of the vertebra. In the first part, the thesis deals with the theoretical part of solving the estimation of BMD from dual-energy CT data, two equations with several unknowns and their modification. The practical part deals with the program solution of the method of calculating the estimation of bone minerals in dual-energy CT data. The outputs of the presented BMD estimation method were processed and statistically compared with the other two phantom-less BMD estimation methods. The functionality of the method and statistical processing were solved in MATLAB and STATISTICA softwares.
|
|
|
Analýza vzťahov medzi radiomickými priznakmi heterogenity trombu v akútnych ischemických mozgových príhodách
Nemčeková, Petra ; Škrváň, Adam ; Henk, Marquering ; Chmelík, Jiří ; Jakubíček, Roman
Cievne mozgové príhody sú jedným z najznámejších patológií mozgu. Prvotnou diagnostickou metódou je použitie počítačovej tomografie (CT). Avšak pre správne určenie liečby by bolo potrebné vedieť bližšie charakteristiky trombu, na základe ktorých by bol lekár schopný usúdiť najmenej riskantnú cestu pre pacienta. Táto štúdia sa zameriava na analýzu heterogenity trombov na CT snímkach u pacientov s ischemickou mozgovou príhodou. Na základe extrahovaných radiomických príznakov získaných z reprezentatívnych masiek trombov bolo získané rozmiestnenie voxelov jednotlivých trombov v novom parametrickom priestore. To bolo následne podrobené vizualizačným technikám tSNE a UMAP. Na základe vyhodnotenia morfologickej štruktúry jednotlivých vytvorených zhlukov u pacientov by bolo možné určiť počet častí trombu s rôznym zložením, na základe čoho by lekár mohol byť schopný predikovať záťaž pre pacienta pri trombektómii, ako napríklad pomocou počtu pokusov potrebných na spriechodnenie cievy.
|
|
|
Možnosti přístupu k obrazovým datům v rámci projektů ÚBMI ve spolupráci s klinickými pracovišti
Jakubíček, Roman ; Nemčeková, Petra ; Ouředníček, Petr ; Chmelík, Jiří
Tento článek zkoumá výzvy a možnosti spojené se zpracováním a sdílením obrazových dat v kontextu biomedicíny a počítačem podporované diagnostiky. S rostoucím výpočetním výkonem a využitím strojového učení se metody analýzy obrazů stávají stále efektivnějšími, ale potýkají se s problémy dostupnosti dat a obtížnou interpretovatelností. Autoři diskutují legislativní a etické aspekty ochrany osobních údajů a upozorňují na význam spolupráce mezi akademickými institucemi a klinickými pracovišti. Článek také prezentuje dva aktuální výzkumné projekty ÚBMI v oblasti analýzy obrazů, tj. analýza trombu v CT mozku a kardiovaskulární zobrazování magnetickou rezonancí, ve kterých se aktuálně využívají pokročilé algoritmy strojového učení. Spolupráce mezi ÚBMI a klinickými pracovišti přináší nové možnosti pro zlepšení diagnostiky a léčby pacientů.
|
|
| |
|
|
Automaticka diagnostika 12svodoveho EKG pomoci hlubokeho uceni
Blaude, Ondřej ; Chmelík, Jiří (oponent) ; Provazník, Valentine (vedoucí práce)
Tato diplomová práce má za cíl prozkoumat problematiku automatické diagnostiky EKG, a to na dvanáctisvodových záznamech. Tato problematika je řešena standardními metodami, jako například náhodný les, umělé neuronové sítě nebo K-nejbližších sousedů. Díky své schopnosti samostatně extrahovat příznaky se ale těší oblibě i metody hlubokého učení. Všechny tyto metody jsou popsány v teoretické části. V praktické části byly navrženy deeplearningové modely, jejichž funkčnost byla ověřována za pomoci dat z databáze PhysioNet. Byly vytvořeny dva pilotní modely, které byly následně optimalizovány. Z celého progresu optimalizace parametrů jsou k dispozici tři modely, z nichž nejlepší dosahuje F1 skóre 87,35 % a přesnosti 83,7 %, a druhý nejlepší dosahuje F1 skóre 77,74 % a přesnosti 84,53 %. Výsledky, kterých bylo dosaženo, jsou diskutovány a porovnány s výsledky podobných publikací.
|
|
|
Implementace modelu hlubokého učení pro segmentaci patologických tkání v objemových MRI datech mozku
Malík, Michael ; Nemčeková, Petra (oponent) ; Chmelík, Jiří (vedoucí práce)
Bakalářská práce pojednává o problematice segmentace obrazů s využitím modelu hlubokého učení. V teoretické části seznamuje čtenáře s anatomií a vybranými patologiemi mozku. Dále je zmíněna konstrukce MR přístroje a vznik obrazu pomocí MR. V závěru teoretické části jsou popsány možnosti segmentace obrazu s využitím architektur hlubokého učení a vybraný veřejně dostupný dataset. Cílem praktické části je otestovat zmíněný dataset, předzpracovaná data a získat výsledky segmentace snímků u jednotlivých pacientů z přiloženého modelu neuronové sítě. Závěrem jsou dosažené výsledky vhodně diskutovány.
|
|
|
Implementace modelu hlubokého učení pro segmentaci obratlů v CT datech
Blažková, Lenka ; Chmelík, Jiří (oponent) ; Nohel, Michal (vedoucí práce)
Tato bakalářská práce se věnuje problematice segmentace obratlů v CT datech s využitím hlubokého učení. Nejprve je vytvořena teoretická rešerše zaměřená na anatomii a patologie páteře a obratlů, na CT systémy a na modely hlubokého učení pro segmentaci obratlů z 3D dat. Další část obsahuje podrobnější popis vybraného modelu pro segmentaci obratlů. V páté části je popsána samotná implementace vybraného modelu a navržená modifikace společně s výsledky na příslušné databázi. Nakonec je model s modifikací použit na klinická data poskytnutá vedoucím a popsána jeho úspěšnost na nich.
|
|
|
Analýza diagnostických parametrů srdce ve 4D CINE MRI datech
Panáček, Oldřich ; Harabiš, Vratislav (oponent) ; Chmelík, Jiří (vedoucí práce)
Tato práce je věnována výpočtu a analýze parametrů srdeční funkce, které je možné stanovit z obrazových dat pořízených magnetickou rezonancí. Pro výpočet byly použity ručně anotované snímky pořízené v krátké srdeční ose. Objemové parametry byly dopočítány přímo z obrazových dat sečtením voxelů náležejícím k příslušným strukturám srdce a následným vynásobením objemem voxelu. Funkční parametry byly následně dopočítány dle oficiálních definic z objemových parametrů. Dále byla stanovena tloušťka stěny myokardu levé komory pomocí modifikované radiální metody a kontraktilita myokardu pomocí segmentální deformační analýzy. Výsledné hodnoty byly vyneseny do tabulky a zobrazeny box–ploty. Dále byla provedena korelační analýza a následná zkouška klasifikačního stromu na vypočtených datech.
|
|
|
Segmentace patologických tkání v objemových MRI datech mozku s využitím hlubokého učení
Nantl, Ondřej ; Kolář, Radim (oponent) ; Chmelík, Jiří (vedoucí práce)
Tato diplomová práce se věnuje segmentaci ischemických ložisek z T1 vážených MRI skenů pomocí metod hlubokého učení. V teoretické části jsou shrnuty anatomie mozku, jeho zobrazování pomocí MRI, dostupné datasety pro tvorbu metod k automatické segmentaci patologické mozkové tkáně a metody segmentující ischemickou mozkovou tkáň s využitím hlubokého učení. V praktické části je popsán využitý dataset, jeho předzpracování, navržené architektury modelů hlubokého učení (U-Net) a jejich trénink. Metody byly implementovány v programovacím jazyce Python. Dále jsou uvedeny dosažené výsledky a jejich diskuze.
|
|
|
Pokročilá registrace obrazových sekvencí z videooftalmoskopu
Dufková, Barbora ; Chmelík, Jiří (oponent) ; Kolář, Radim (vedoucí práce)
Tato diplomová práce se věnuje problematice registrace oftalmologických video sekvencí. Popisuje základní geometrické transformace, které lze k registraci využít. Jsou také uvedeny základní metody registrace obrazů, ze kterých je vybrána nejvhodnější varianta pro tuto aplikaci. Ta je poté implementována pomocí skriptu vytvořeného v prostředí MATLAB. Navržená metoda je dále objektivně vyhodnocena metodou jasového profilu, pomocí vzájemné informace a korelace a pomocí skeletonu sítnicových cév. V diskuzi je řešen vliv polynomiální transformace na registraci a možné optimalizace algoritmu.
|
host ::
RSS.