|
|
Automating the search for abnormalities from tomographic data
Semerák, Petr ; Zemek, Marek (referee) ; Bazala, Jiří (advisor)
Předložená diplomová práce se zabývá automatizací procesu skenování a vyhodnocování abnormalit gascoolerů, které vznikají při jejich výrobě. Nedestruktivní testování využívá technologii CT skenování jejímž výstupem jsou obrazová data. Cílem práce je nahradit zdlouhavý proces ručního procházení dat spolehlivou algoritmizovatelnou metodou a ověřit, zda je tento směr vývoje perspektivní. V teoretické části se práce zabývá chladícími systémy v automobilech, nedestruktivním testování s těžištěm v CT technologii a rešerší softwarů pro prohlížení a analýzu CT dat. Praktická část diplomové práce se zaměřuje na problematiku ucpaných kanálků gascoolerů. Jsou popsány příčiny vzniku této abnormality, dosavadní přístup k jejímu odhalení a nový automatický přístup kontroly. Navržený algoritmus spolu s aplikaci vytvořenou pomocí Matlabu jsou testovány na konkrétních datech. Spolehlivost výsledků je v závěru porovnávána ručním hodnocením CT snímků. Pro hodnocení kvality obrazových dat je trénována hluboká neuronová síť.
|
|
|
X-ray micro and nano computed tomography of soft tissue
Kavková, Michaela ; Tromba, Giuliana (referee) ; Szabo-Rogers, Heather (referee) ; Zikmund, Tomáš (advisor)
Abstrakt Průmyslová rentgenová počítačová mikro tomografie (mikro CT) je nedestruktivní zobrazovací technika používaná pro vizualizaci vnitřních struktur vzorků a tvorbu přesných 3D modelů. Jádro této práce se zaměřuje na praktickou implementaci průmyslového mikro CT v oblasti biologického výzkumu se zaměřením na zobrazování měkkých tkání. Cílem této práce bylo prozkoumat potenciál mikro CT zobrazování jako nedestruktivní metody pro vizualizaci měkkých tkání a navrhnout komplexní metodiku pro přípravu vzorků a analýzu získaných dat ve specializovaných programech. Na příkladu případových studií jsou prezentovány aplikace mikro CT zobrazování v různorodých oblastech výzkumu vývojové biologie, poskytující metodologii pro přesnou 3D analýzu vybraných struktur. V závěru práce je diskutován potenciál zobrazování průmyslovým mikro CT v biologickém výzkumu, zaměřeným na schopnosti identifikovat anatomické struktury, sledovat vývojové procesy a zlepšit naše chápání komplexních biologických systémů.
|
|
|
Mathematical Methods for Image Processing in Biological Observations
Zikmund, Tomáš ; doc. RNDr.Petr Matula, Ph.D. (referee) ; Krejčí, František (referee) ; Chmelík, Radim (advisor)
The dissertation deals with the image processing in digital holographic microscopy and X-ray computed tomography. The focus of the work lies in the proposal of data processing techniques to meet the needs of the biological experiments. Transmitted light holographic microscopy is particularly used for quantitative phase imaging of transparent microscopic objects such as living cells. The phase images are affected by the phase aberrations that make the analysis particularly difficult. Here, we present a novel algorithm for dynamical processing of living cells phase images in a time-lapse sequence. The algorithm compensates for the deformation of a phase image using weighted least squares surface fitting. Moreover, it identifies and segments the individual cells in the phase image. This property of the algorithm is important for real-time cell quantitative phase imaging and instantaneous control of the course of the experiment. The efficiency of the propounded algorithm is demonstrated on images of rat fibrosarcoma cells using an off-axis holographic microscope. High resolution X-ray computed tomography is increasingly used technique for the study of the small rodent bones micro-structure. In this part of the work, the trabecular and cortical bone morphology is assessed in the distal half of rat femur. We developed new method for mapping the cortical position and dimensions from a central longitudinal axis with one degree angular resolution. This method was used to examine differences between experimental groups. The bone position in tomographic slices is aligned before the mapping using the propound standardization procedure. The activity of remodelling process of the long bone is studied on the system of cortical canals.
|
|
|
Utilization of convolutional neural networks for segmentation of mouse embryos cartilaginous tissue in micro-CT data
Poláková, Veronika ; Vičar, Tomáš (referee) ; Chmelík, Jiří (advisor)
Automatická segmentace biologických struktur v mikro-CT datech je stále výzvou, protože často objekt zájmu (v našem případě obličejová chrupavka) není charakterizovaný unikátním jasem či ostrými hranicemi. V posledních letech se konvoluční neuronové sítě (CNNs) staly mimořádně populárními v mnoha oblastech počítačového vidění. Konkrétně pro segmentaci biomedicínských obrazů je široce používaná architektura U-Net. Nicméně v případě mikro-CT dat vyvstává otázka, zda by nebylo výhodnější použít 3D CNN. Diplomová práce navrhla CNN architekturu založenou na síti V-Net včetně metodologie pro předzpracování a postprocessing dat. Základní architektura byla dále optimalizována pomocí pokročilých architektonických modifikací jako jsou pyramidální modul dilatovaných konvolucí (ASPP modul), škálovatelná exponenciálně-lineární jednotka (SELU aktivační funkce), víceúrovňová kontrola učení (multi-output supervision) či bloky s hustými propojeními (Dense blocks). Pro učení sítě byly použity moderní přístupy jako zahřívání kroku učení (learning rate warmup) či AdamW optimalizátor. I přes to, že 3D CNN v úloze segmentace obličejové chrupavky nepřekonala U-Net, optimalizace zvýšila medián Dice koeficientu z 69,74 % na 80,01 %. Používání těchto pokročilých architektonických modifikací v dalším výzkumu je proto vřele doporučováno, jelikož můžou být přidány do libovolné architektury typu U-Net a zároveň výrazně zlepšit výsledky.
|
|
|
Utilization of convolutional neural networks for segmentation of mouse embryos cartilaginous tissue in micro-CT data
Poláková, Veronika ; Vičar, Tomáš (referee) ; Chmelík, Jiří (advisor)
Automatická segmentace biologických struktur v mikro-CT datech je stále výzvou, protože často objekt zájmu (v našem případě obličejová chrupavka) není charakterizovaný unikátním jasem či ostrými hranicemi. V posledních letech se konvoluční neuronové sítě (CNNs) staly mimořádně populárními v mnoha oblastech počítačového vidění. Konkrétně pro segmentaci biomedicínských obrazů je široce používaná architektura U-Net. Nicméně v případě mikro-CT dat vyvstává otázka, zda by nebylo výhodnější použít 3D CNN. Diplomová práce navrhla CNN architekturu založenou na síti V-Net včetně metodologie pro předzpracování a postprocessing dat. Základní architektura byla dále optimalizována pomocí pokročilých architektonických modifikací jako jsou pyramidální modul dilatovaných konvolucí (ASPP modul), škálovatelná exponenciálně-lineární jednotka (SELU aktivační funkce), víceúrovňová kontrola učení (multi-output supervision) či bloky s hustými propojeními (Dense blocks). Pro učení sítě byly použity moderní přístupy jako zahřívání kroku učení (learning rate warmup) či AdamW optimalizátor. I přes to, že 3D CNN v úloze segmentace obličejové chrupavky nepřekonala U-Net, optimalizace zvýšila medián Dice koeficientu z 69,74 % na 80,01 %. Používání těchto pokročilých architektonických modifikací v dalším výzkumu je proto vřele doporučováno, jelikož můžou být přidány do libovolné architektury typu U-Net a zároveň výrazně zlepšit výsledky.
|
|
|
Mathematical Methods for Image Processing in Biological Observations
Zikmund, Tomáš ; doc. RNDr.Petr Matula, Ph.D. (referee) ; Krejčí, František (referee) ; Chmelík, Radim (advisor)
The dissertation deals with the image processing in digital holographic microscopy and X-ray computed tomography. The focus of the work lies in the proposal of data processing techniques to meet the needs of the biological experiments. Transmitted light holographic microscopy is particularly used for quantitative phase imaging of transparent microscopic objects such as living cells. The phase images are affected by the phase aberrations that make the analysis particularly difficult. Here, we present a novel algorithm for dynamical processing of living cells phase images in a time-lapse sequence. The algorithm compensates for the deformation of a phase image using weighted least squares surface fitting. Moreover, it identifies and segments the individual cells in the phase image. This property of the algorithm is important for real-time cell quantitative phase imaging and instantaneous control of the course of the experiment. The efficiency of the propounded algorithm is demonstrated on images of rat fibrosarcoma cells using an off-axis holographic microscope. High resolution X-ray computed tomography is increasingly used technique for the study of the small rodent bones micro-structure. In this part of the work, the trabecular and cortical bone morphology is assessed in the distal half of rat femur. We developed new method for mapping the cortical position and dimensions from a central longitudinal axis with one degree angular resolution. This method was used to examine differences between experimental groups. The bone position in tomographic slices is aligned before the mapping using the propound standardization procedure. The activity of remodelling process of the long bone is studied on the system of cortical canals.
|
guest ::
