|
|
Intracranial aneurysm detection in TOF-MRI data
Vývoda, Jan ; Vičar, Tomáš (oponent) ; Jakubíček, Roman (vedoucí práce)
The thesis contains a theoretical review of information about intracranial aneurysms, their diagnosis and therapy. It also summarizes the methods of object detection by both classical and machine learning methods and includes a brief description of some methods of intracranial aneurysm detection. In the practical part, several proposed approaches for segmentation and detection of these aneurysms using U-net neural network are evaluated and compared.
|
|
|
Real Time Emg Detection In Therapeutic Game
Veselá, Cindy
This article focuses on real-time detection of activity in electromyographical signal. The study is based on controlling the therapeutic game through the muscle activity, called myofeedback. Many different algorithms can be used to detect EMG signal. Nowadays there is rapid development of artificial intelligence not only in biomedical engineering. In this paper there is implemented convolutional neural network for signal segmentation with accuracy 97,13%.
|
|
|
Detekce a lokalizace mikrobiálních kolonií pomocí algoritmů hlubokého učení
Čičatka, Michal ; Vičar, Tomáš (oponent) ; Mézl, Martin (vedoucí práce)
Díky masivnímu rozšíření hmotnostní spektrometrie a neustálému zdražování lidské práce se v současné době nabízí otázka optimalizace přípravy mikrobiálních vzorků. Tato diplomová práce se věnuje návrhu a implementaci algoritmu strojového učení pro segmentaci obrazů mikrobiálních kolonií kultivovaných na Petriho miskách. Algoritmus bude použit v ovládacím software přístroje MBT Pathfinder společnosti Bruker s. r. o., jehož úkolem je automatizace procesu roztěru mikrobiálních vzorků na MALDI destičky. V rámci práce bylo implementováno několik modelů segmentačních neuronových sítí na bázi architektur UNet, UNet++ a ENet. Na základě množství experimentů zkoumajících různé konfigurace sítí a předzpracování trénovacího datasetu byl pro použití v produkčním prostředí vybrán model ENet s čtyřnásobným množstvím filtrů a přidaným konvolučním blokem enkodéru trénovaný na datasetu obrazů misek s aplikovanou kruhovou maskou.
|
|
|
Analýza deforestace krajiny s využitím satelitních snímků
Javorka, Martin ; Španěl, Michal (oponent) ; Beran, Vítězslav (vedoucí práce)
Dnes je dolezite chranit lesne zdroje a sledovat odlesnovanie je nevyhnutne. Dialkove sni- manie Zeme ma v tomto monitorovacom usili dolezitu ulohu. Tato praca sa zaobera styrmi roznymi technikami zistovania odlesnovania zo satelitnych snimok - pomocou optickych aj radarovych dat. Su opisane specifika dat pri dialkovom snimani Zeme a geopriestorove analyzy. Analyticke techniky sa pouzivaju na zistovanie odlesnovania v studijnej oblasti Chocske vrchy. Segmentacia obrazu pomocou modelu neuronovej siete Unet sa pouziva na klasifikaciu vsetkych odlesnenych uzemi.
|
|
|
Image segmentation methods with limited data sets
Horečný, Peter ; Kolařík, Martin (oponent) ; Burget, Radim (vedoucí práce)
The goal of this thesis was to propose an image segmentation method, which is capable of effective segmentation process with small datasets. Recently published ODE neural network was used for this method, because its features should provide better generalization in case of tasks with only small datasets available. The proposed ODE-UNet network was created by combining UNet architecture with ODE neural network, while using benefits of both networks. ODE-UNet reached following results on ISBI dataset: Rand: 0,950272 and Info: 0,978061. These results are better than the ones received from UNet model, which was also tested in this thesis, but it has been proven that state of the art can not be outperformed using ODE neural networks. However, the advantages of ODE neural network over tested UNet architecture and other methods were confirmed, and there is still a room for improvement by extending this method.
|
|
|
Metody hlubokého učení pro segmentaci cév a optického disku v oftalmologických sekvencích
Rozhoňová, Andrea ; Odstrčilík, Jan (oponent) ; Hesko, Branislav (vedoucí práce)
Cílem následující diplomové práce bylo studium problematiky segmentace optického disku a cév sítnice v oftalmologických sekvencích. Teoretická část práce shrnuje principy různých přístupů z oblasti hlubokého učení, které se v souvislosti s danou problematikou využívají. Na základě teoretické části jsou navrženy metody pro segmentaci optického disku a pro segmentaci cév sítnice založené na konvolučních neuronových sítích Linknet, PSPNet, Unet a MaskRCNN. Popisem jejich implementace a následným zhodnocením se zabývá praktická část diplomové práce.
|
host ::
RSS.