|
|
(Plocková veronika) Advanced analysis of specific thrombi features in multiphase CT data
Plocková, Veronika ; Nemčeková, Petra (referee) ; Jakubíček, Roman (advisor)
This diploma thesis focuses on advanced analysis of thrombus in multiphase CT data. The first part presents a literature review on ischemic stroke, its treatment, and the impact of thrombus structure on treatment success. Additionally, the literature review includes brief anatomy of the brain and methods for extracting radiomic features and possible methods for thrombus analysis from imaging data. In the last part of the theoretical work, the extracted features used in the practical part of the work and methods of their calculation are summarized. A brief introduction to statistical methods used in the practical part of the work follows. The practical part focuses on extracting statistical and textural features from CT data. Experiments deal with the analysis of extracted features, discriminatory properties of thrombus and background, and proposing an approach to thrombus segmentation from CT data. The results of the experiments are discussed.
|
|
|
Specle analysis for optical coherence tomography image segmentation
Gallo, Vladimír ; Kolář, Radim (referee) ; Štohanzlová, Petra (advisor)
This paper presents basic principles of optical coherence tomography, review of applications and basic categorization of these systems. Paper also deals with the typical properties of images from optical coherence tomography, especially speckle pattern. This paper also provides an overview of the origin of speckle noise and utilization of its dependence on microstructure of probed tissue for image classification based on textural analysis. Experimental part of this paper consists of phantom preparation, data acquisition by OCT system, implementation of speckle analysis in MATLAB and of testing of its functionality on standard textural dataset and also on acquired image phantom data. Speckle analysis is used for phantom image data segmentation.
|
|
|
Material Artefact Generation
Rončka, Martin ; Španěl, Michal (referee) ; Kodym, Oldřich (advisor)
Ne vždy je jednoduché získání dostatečně velké a kvalitní datové sady s obrázky zřetelných artefaktů, ať už kvůli nedostatku ze strany zdroje dat nebo složitosti tvorby anotací. To platí například pro radiologii, nebo také strojírenství. Abychom mohli využít moderní uznávané metody strojového učení které se využívají pro klasifikaci, segmentaci a detekci defektů, je potřeba aby byla datová sada dostatečně velká a vyvážená. Pro malé datové sady čelíme problémům jako je přeučení a slabost dat, které způsobují nesprávnou klasifikaci na úkor málo reprezentovaných tříd. Tato práce se zabývá prozkoumáváním využití generativních sítí pro rozšíření a vyvážení datové sady o nové vygenerované obrázky. Za použití sítí typu Conditional Generative Adversarial Networks (CGAN) a heuristického generátoru anotací jsme schopni generovat velké množství nových snímků součástek s defekty. Pro experimenty s generováním byla použita datová sada závitů. Dále byly použity dvě další datové sady keramiky a snímků z MRI (BraTS). Nad těmito dvěma datovými sadami je provedeno zhodnocení vlivu generovaných dat na učení a zhodnocení přínosu pro zlepšení klasifikace a segmentace.
|
|
|
Material Artefact Generation
Rončka, Martin ; Španěl, Michal (referee) ; Kodym, Oldřich (advisor)
Ne vždy je jednoduché získání dostatečně velké a kvalitní datové sady s obrázky zřetelných artefaktů, ať už kvůli nedostatku ze strany zdroje dat nebo složitosti tvorby anotací. To platí například pro radiologii, nebo také strojírenství. Abychom mohli využít moderní uznávané metody strojového učení které se využívají pro klasifikaci, segmentaci a detekci defektů, je potřeba aby byla datová sada dostatečně velká a vyvážená. Pro malé datové sady čelíme problémům jako je přeučení a slabost dat, které způsobují nesprávnou klasifikaci na úkor málo reprezentovaných tříd. Tato práce se zabývá prozkoumáváním využití generativních sítí pro rozšíření a vyvážení datové sady o nové vygenerované obrázky. Za použití sítí typu Conditional Generative Adversarial Networks (CGAN) a heuristického generátoru anotací jsme schopni generovat velké množství nových snímků součástek s defekty. Pro experimenty s generováním byla použita datová sada závitů. Dále byly použity dvě další datové sady keramiky a snímků z MRI (BraTS). Nad těmito dvěma datovými sadami je provedeno zhodnocení vlivu generovaných dat na učení a zhodnocení přínosu pro zlepšení klasifikace a segmentace.
|
|
|
Specle analysis for optical coherence tomography image segmentation
Gallo, Vladimír ; Kolář, Radim (referee) ; Štohanzlová, Petra (advisor)
This paper presents basic principles of optical coherence tomography, review of applications and basic categorization of these systems. Paper also deals with the typical properties of images from optical coherence tomography, especially speckle pattern. This paper also provides an overview of the origin of speckle noise and utilization of its dependence on microstructure of probed tissue for image classification based on textural analysis. Experimental part of this paper consists of phantom preparation, data acquisition by OCT system, implementation of speckle analysis in MATLAB and of testing of its functionality on standard textural dataset and also on acquired image phantom data. Speckle analysis is used for phantom image data segmentation.
|
guest ::
