|
Implementation of a deep learning model for segmentation of multiple myeloma in CT data
Gálík, Pavel ; Nohel, Michal
This paper deals with the implementation of a deep learning model for spinal tumor segmentation of multiple myeloma patients in CT data. Deep learning is becoming an important part of developing computer-aided detection and diagnosis systems. In this study, a database of 25 patients who were imaged on spectral CT and for whom different parametric images (conventional CT, virtual monoenergetic images, calcium suppression images) were reconstructed, was used. Three convolutional neural network models based on the nnU-Net framework for lytic lesion segmentation were trained on the selected data. The results were evaluated on a test database and the trained models were compared.
|
|
Analysis of osteolytic spinal tumors in patients with multiple myeloma using CT data
Čurillová, Miriam ; Mézl, Martin (oponent) ; Nohel, Michal (vedoucí práce)
This bachelor’s thesis focuses on analysis of osteolytic lesions in patients with multiple myeloma. The first step in achieving our goal was to research this disease, its diagnostic criteria, possible complications and available treatment. The practical part consisted of a few individual tasks. A statistical analysis was done on a dataset consisting of CT scans of patients with diagnosed multiple myeloma as well as individuals with no spinal pathologies. After extracting and reducing the number of features, we completed an analysis of obtained data. We came to a conclusion that there are features that vary significantly among the two groups. After analyzing the whole vertebral bodies, analysis of lesions in follow-up scans was completed, where their volume was analyzed.
|
| |
|
Design počítačového tomografu
Bojková, Eva ; Lehocký, Peter (oponent) ; Zvonek, Miroslav (vedoucí práce)
Tato diplomová práce se zabývá návrhem designu výpočetního tomografu (CT), což je lékařský přístroj, který slouží k určení diagnózy pacienta. Práce zkoumá a analyzuje současný stav a produkci těchto přístrojů. Následně je navržen nový design přístroje za dodržení zejména ergonomických, technických a estetických parametrů.
|
| |
|
Identifikace typu obratlů z CT dat s využitím metod strojového učení
Matoušková, Barbora ; Kolář, Radim (oponent) ; Chmelík, Jiří (vedoucí práce)
Identifikace typu obratlů pomocí strojového učení je důležitý úkol pro usnadnění práce lékařů. Tento úkol je znesnadněn mnoha faktory. Za prvé se CT snímky páteře obvykle provádí u pacientů s patologiemi jako jsou léze, nádory, kyfóza, lordóza, skolióza či u pacientů s různými implantáty, které způsobují ve snímcích artefakty. Dále jsou si sousední obratle velmi podobné, což také tento úkol komplikuje. Tato práce se zabývá klasifikací již vysegmentovaných obratlů do skupin krční, hrudní a bederní. Pro klasifikaci je využita metoda podpůrných vektorů (SVM) a konvoluční neuronové sítě (CNN) AlexNet a VGG16. Dosažené výsledky jsou v závěru porovnány.
|
|
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 %.
|
|
Tvarová klasifikace pro detekci chybně segmentovaných kostí v CT datech
Janovič, Tomáš ; Jan, Jiří (oponent) ; Walek, Petr (vedoucí práce)
Práce pojednává o možnostech využití tvarové klasifikace pro detekci chybně segmentovaných (přerušených) kostí v datech výpočetní tomografie (CT). Je provedena rešerše publikovaných metod a algoritmů zabývajících se segmentací kostních struktur v CT datech. Následně je implementována segmentace kortikálních částí kostí metodou prostého prahování s globálním prahem. Práh je určen optimalizovaným proložením histogramu vybraným typem pravděpodobnostního rozdělení. Dále jsou popsány deskriptory, kterými lze kvantitativně popisovat tvary objektů v obrazu. Následně je implementována extrakce kontur a je aplikován vyhovující tvarový deskriptor - kumulativní úhlová funkce. Finálně jsou pomocí spojité vlnkové transformace detekovány body, které mohou potenciálně indikovat chybně segmentované kosti. Zmíněná technika je testována na reálných CT datech.
|
|
Deformačně napěťová analýza stehenní kosti s využitím dat z počítačové tomografie
Nečas, David ; Marcián, Petr (oponent) ; Vosynek, Petr (vedoucí práce)
Oblast klinické biomechaniky je v současné době velmi rychle se rozvíjející inženýrskou disciplínou. Diplomová práce se zabývá deformačně napěťovou analýzou krčku stehenní kosti. Velká pozornost je přitom věnována tvorbě výpočtového modelu, zejména potom modelu materiálu, jelikož kostní tkáň je materiálem silně nehomogenním. Při tvorbě výpočtového modelu bylo postupně testováno několik softwarů, které jsou často zmiňovány v souvislosti s řešením biomechanických úloh. V další části práci je provedena analýza pomocí metody konečných prvků pro několik variant modelu materiálu, které byly vytvořeny na základě rozsáhlé analýzy vztahů pro převod informací ze snímků výpočetní tomografie na materiálové charakteristiky. Následně je popsána realizace experimentálního měření. V závěru práce jsou zhodnoceny výsledky MKP analýzy, které jsou porovnány s experimentem.
|
|
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.
|