|
|
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.
|
|
|
Odstraňování šumu v obraze pomocí metod hlubokého učení
Strejček, Jakub ; Jakubíček, Roman (oponent) ; Vičar, Tomáš (vedoucí práce)
Tato práce se zabývá srovnáním metod odstranění šumu pomocí hlubokého učení a jejich implementací. V posledních letech se ukázalo, že k trénování konvolučních neuronových sítí není nutně potřeba mít párová data, tedy zašuměné a bezšumové obrázky, ale pro některé aplikace stačí pro odstranění šumu pouze ty zašuměné. Metodami uvedenými v této práci lze účinně odstranit např. aditivní Gaussovský šum a lze dosáhnout lepších výsledků než užitím některých statistických metod, které se pro odstranění šumu aktuálně používají.
|
|
|
Analýza vlivu trénovací datové sady na úspěšnost segmentace
Benešovská, Veronika ; Vičar, Tomáš (oponent) ; Jakubíček, Roman (vedoucí práce)
Mikrobiální struktury jsou v každém živém organismu, proto je důležité je klasifikovat pro následné zkoumání jejich původu a funkce. Společnost Bruker, s.r.o vyvíjí právě pro tento účel přístroj MBT Pathfinder, který automatizuje přenos kolonií na MALDI destičky, kde probíhá následná analýza vzorku. Přenášené kolonie lze vybrat ručně nebo pomocí algoritmu, který zajistí automatickou segmentaci kolonií. Tento algoritmus je nejdříve potřeba naučit na trénovací množině, která má velký vliv na jeho přesnost. Tato práce se zabývá měřením vlivu datové sady na přesnost tohoto algoritmu.
|
|
|
Metody segmentace a identifikace deformovaných obratlů ve 3D CT datech onkologických pacientů
Jakubíček, Roman ; Flusser, Jan (oponent) ; Kozubek, Michal (oponent) ; Jan, Jiří (vedoucí práce)
Tato disertační práce se zabývá návrhem metod směřujících k vymezení povrchů jednotlivých obratlů ve 3D CT datech onkologických pacientů, příslušných algoritmů a jejich ověřením. U takových pacientů se velmi často vyskytují tvarové i intenzitní změny obratlů, které výrazně komplikují řešení daného problému. Získání finálních segmentací jednotlivých obratlů včetně identifikace jejich pozice v páteře obecně vede přes několik základní kroků: detekce páteře a nalezení její osy, lokalizace jednotlivých obratlů a jejich identifikace a finální přesné segmentace. Pro tyto účely byly navrženy, realizovány a ověřeny příslušné algoritmy, užívající původních přístupů včetně využití strojového učení. Součástí řešení jsou mj. návrh a realizace algoritmu optimálních kružnic pro trasování páteřního kanálu s populačním přístupem, prostorově variantní filtrace jasového profilu cílená k lokalizaci obratlů nebo využití trénovaných modelů pro identifikaci obratlů s optimalizací pomocí dynamického programování. Přístup realizující finální segmentaci obratlů částečně navazuje na algoritmus navržený v předcházející fázi projektu (Peter 2013), který byl výrazně modifikován a rozšířen; algoritmus je v nové verzi založen na geometrické adaptaci intenzitního modelu kompletní páteře. Navržené přístupy byly testovány na několika databázích vytvořený v rámci práce a včetně volně dostupných umožňující také srovnání s algoritmy jiných autorů. Na základě provedeného detailního hodnocení lze konstatovat, že algoritmus poskytuje velmi dobré výsledky a ve srovnání s aktuálně publikovanými přístupy jiných autorů dosahuje srovnatelné nebo lepší výsledky. Na rozdíl od zmíněných publikací se zabývá nikoli jen některými zmíněnými etapami řešení, ale finálně jich využívá v komplexním algoritmu, řešícím celý postup od CT dat po přesně segmentované objemy jednotlivých identifikovaných obratlů, které tvoří vstupní data pro návaznou práci, zabývající se detekcí a klasifikací lézí. Navíc se algoritmus vyznačuje vysokou robustností vůči výskytu patologií a artefaktů v datech a relativně nízkou výpočetní náročností. Disertační práce obsahuje několik původních přístupů, které byly průběžně publikovány na mezinárodních konferencích; výsledné řešení bylo publikováno jako časopisecký článek Jakubicek a kol. (2020). Během experimentální validace ve spolupráci s lékařskými experty se ukázalo, že navržené algoritmy jsou plně využitelné pro následující analýzu nádorových lézí.
|
|
|
Segmentation of bone lesions in spinal CT data
Zaťko, Martin ; Chmelík, Jiří (oponent) ; Jakubíček, Roman (vedoucí práce)
The aim of the bachelor thesis was to get acquainted with the anatomy and oncological diseases of spine. Search for segmentation techniques and implement my chosen machine learning technique for the task of segmenting bone lesions of vertebral bodies. The U-net architecture of convolutional neural networks, which is generally widely used in the segmentation of biomedical images, was selected and implemented. The results obtained are high enough for the network to be used for initial rough detection and segmentation, but its use in the clinical world is not recommended.
|
|
| |
|
|
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.
|
|
|
Anatomy based landmark detection in brain CT scans
Krajčiová, Alexandra ; Harabiš, Vratislav (oponent) ; Jakubíček, Roman (vedoucí práce)
Manual detection of anatomical landmarks from head CT (Computed Tomography) scans is time-consuming task prone to observer errors. In addition, the accuracy of the detection correlates with image quality. The aim of this work is to create an algorithm that will perform automatic detection of anatomical landmarks. These landmarks can be later used to form radiological lines, which finds its application in CT scanning. SVM (Support Vector Machines) and HOG (Histograms of Oriented Gradients) features was chosen for anatomical landmark detection. The achieved results, possibilities of further progress and improvement of detection are summarized in the conclusion.
|
|
|
Deep-learning-based pattern detection in medical images
Koščová, Zuzana ; Vičar, Tomáš (oponent) ; Jakubíček, Roman (vedoucí práce)
This Bachelor thesis deals with Deep-learning-based pattern detection in medical images. For better understanding of a subject artificial neural network and convolutional neural network (CNN) are described at first. Next chapter is focused on specific detection methods which use CNN. Within a bachelor thesis a dataset of abdominal CT a MRI scans was created. Faster R-CNN and YOLO algorithms were trained and tested on acquired scans for liver detection. Implementation of chosen methods took place in Python programming language using the Pytorch library. Finally, detection results and possible use in medicine are discussed.
|
|
| |
host ::
RSS.