|
|
Segmentace žil a tepen v sítnicových snímcích
Sedlář, Radek ; Kanich, Ondřej (oponent) ; Kavetskyi, Andrii (vedoucí práce)
Tato práce se zaměřuje na úvod do problematiky segmentace žil a tepen ze sítnicových snímků. Práce obsahuje srovnání nejpoužívanějších metod s jejich klady a zápory. Dále je navržena vlastní metoda pro segmentaci a rozdělení na žíly a tepny. Práce také obsahuje detailní popis implementace navržené metody a shrnutí jejich výsledků.
|
|
|
Retinal Blood Vessel Segmentation
Nemčeková, Barbora ; Drahanský, Martin (oponent) ; Kavetskyi, Andrii (vedoucí práce)
The retina is an important part of the human eye. Incident light is processed here and moreover, it plays an essential role in diagnosing various diseases. Its early diagnostics can prevent serious consequences, such as blindness. The most common retinal diseases include diabetic retinopathy, as a consequence of diabetes, and age-related macular degeneration. Automatic retinal vessels segmentation facilitates and speeds up the work of an ophthalmologist. This work focuses on retinal blood vessels segmentation and its further classification into thin and thick vessels. The proposed algorithm is based on morphological operations, k-means clustering, and Frangi's algorithm. Evaluation of the proposed method was performed on two publicly available datasets - Drive and HRF. The results obtained represent 69,89 % for sensitivity, 91,55 % for specificity, and 88,63 % for accuracy. Division of the vessels shows, that on average 21,50 % vessels pixels belong to thick vessels and the rest 78,50 % belong to thin vessels.
|
|
|
Laptop Touchpad Palm Detection with AI/ML
Menzyński, Mark Alexander ; Kavetskyi, Andrii (oponent) ; Drahanský, Martin (vedoucí práce)
The situation about palm rejection for laptops is less than ideal. Most research focuses on touchscreens, and there is minimal research on touchpads. Some research is possibly done privately in laptop manufacturer companies, but the technology is lacking behind regardless. This thesis explores several shallow and deep machine learning models and finds their accuracy to be very much sufficient. In addition, a real-time proof of concept is implemented to demonstrate the model's capabilities.
|
|
|
Detekce patologií na snímcích sítnice oka
Hurta, David ; Drahanský, Martin (oponent) ; Kavetskyi, Andrii (vedoucí práce)
Cílem této práce je návrh a implementace algoritmu detekce mikroaneuryzmat, tvrdých exsudátů a měkkých exsudátů na barevných snímcích sítnice. Byl navržen algoritmus detekce objektů na základě hlubokého učení. Byla použita architektura Faster R-CNN s příznakovou pyramidovou sítí a předem vyučenou reziduální sítí společně s různými metodami transformace dat. Bylo využito celkově šesti datových sad snímků sítnic k trénování, ověřování a testování modelů. Vyučené modely dosáhly během testování hodnoty 0.46 střední průměrné přesnosti (mAP) při detekci mikroaneuryzmat a hodnoty 0.48 mAP během detekce exsudátů. Výsledné modely byly porovnány s publikovanými články a umožňují s chvályhodnou přesností detekovat dané patologie.
|
|
|
Semantic Segmentation of Pathologies in Retinal Images
Čabala, Roman ; Orság, Filip (oponent) ; Kavetskyi, Andrii (vedoucí práce)
The thesis aimed to segment pathology visible in the retina images, such as exudates, hemorrhages, and microaneurysms. For that, two well known deep neural networks, named U-Net and SegFormer, were trained. To test the performance of the models, one publicly available dataset was used, named IDRiD. Obtained results were reported after analyzing different factors which affected the performance of the models U-Net and Segformer.
|
|
|
Automatizované hodnocení kvality snímků sítnice pomocí strojového učení
Mikheda, Vladislav ; Vaško, Marek (oponent) ; Kavetskyi, Andrii (vedoucí práce)
Tato práce se zaměřuje na řešení problému hodnocení kvality snímků sítnice. Při diagnostice onemocnění lékaři se zaměřují na kvalitu jednotlivých anatomických struktur sítnice, podle kterých probíhá diagnostika. Cílem této práce je navrhnout a implementovat program pro automatizované hodnocení kvality snímků sítnice na základě anatomických struktur pomocí neuronových sítí. K řešení výše uvedeného problému bylo vyvinuto a implementováno celkem šest neuronových sítí. Tři z nich měly za úkol segmentovat jednotlivé anatomické struktury sítnice a tři další měly vyhodnocovat snímky na základě kvality segmentované struktury. Bylo provedeno jak testování každé neuronové sítě zvlášť, tak testování celého programu. Model umožňuje hodnocení kvality snímků sítnice na základě anatomických struktur.
|
|
|
Automatická analýza kvality obrazu sítnice
Dovbush, Andrii ; Rydlo, Štěpán (oponent) ; Kavetskyi, Andrii (vedoucí práce)
Práce probíhaly v rámci vývoje autonomního oftalmologického dohledového centra. Kromě přesnosti posouzení kvality obrazu byla významným faktorem rychlost výpočtu klíčových parametrů kvality obrazu, která by umožnila provoz centra v reálném čase. Na základě nedávných výzkumů a vědeckých objevů byla potřeba další studie o časové výkonnosti algoritmů. Hlavním cílem práce bylo vytvořit algoritmus pro určování kvality obrazu, založený na nejlepší kombinaci parametrů kvality obrazu v kontextu výkonnosti-do-času. Hlavní náplní práce se nakonec stal vývoj nástrojů pro analýzu znaků kvality obrazu sítnice a následná analýza vybraných kombinací IQA algoritmů a obrazových kanálů. Byly zvoleny dvě metody výběru nejlepších kombinací algoritmů a obrazových kanálů: metoda absolutní výkonnosti a metoda relativní výkonnosti. V důsledku toho byly zjištěny jejich nedostatky a bylo navrženo možné řešení těchto problémů pomocí metody nejlepšího pokrytí. Bylo shromážděno a analyzováno přibližně 150 možných kombinací algoritmů rysů kvality a algoritmů pro extrakci obrazových kanálů. Mezi vybranými algoritmy také se podařilo určit sadu algoritmů závislých na úrovni obrazového šumu, stejně jako vliv snižování rozlišení obrazu na celkový výkon různých algoritmů rysů kvality. Byl vysvětlen vliv šumu na Sobelovův detektor hran a Cannyho detektor hran.
|
|
|
Segmentace žil a tepen v sítnicových snímcích
Sedlář, Radek ; Kanich, Ondřej (oponent) ; Kavetskyi, Andrii (vedoucí práce)
Tato práce se zaměřuje na úvod do problematiky segmentace žil a tepen ze sítnicových snímků. Práce obsahuje srovnání nejpoužívanějších metod s jejich klady a zápory. Dále je navržena vlastní metoda pro segmentaci a rozdělení na žíly a tepny. Práce také obsahuje detailní popis implementace navržené metody a shrnutí jejich výsledků.
|
|
|
Detekce patologií na snímcích sítnice oka
Hurta, David ; Drahanský, Martin (oponent) ; Kavetskyi, Andrii (vedoucí práce)
Cílem této práce je návrh a implementace algoritmu detekce mikroaneuryzmat, tvrdých exsudátů a měkkých exsudátů na barevných snímcích sítnice. Byl navržen algoritmus detekce objektů na základě hlubokého učení. Byla použita architektura Faster R-CNN s příznakovou pyramidovou sítí a předem vyučenou reziduální sítí společně s různými metodami transformace dat. Bylo využito celkově šesti datových sad snímků sítnic k trénování, ověřování a testování modelů. Vyučené modely dosáhly během testování hodnoty 0.46 střední průměrné přesnosti (mAP) při detekci mikroaneuryzmat a hodnoty 0.48 mAP během detekce exsudátů. Výsledné modely byly porovnány s publikovanými články a umožňují s chvályhodnou přesností detekovat dané patologie.
|
|
|
Laptop Touchpad Palm Detection with AI/ML
Menzyński, Mark Alexander ; Kavetskyi, Andrii (oponent) ; Drahanský, Martin (vedoucí práce)
The situation about palm rejection for laptops is less than ideal. Most research focuses on touchscreens, and there is minimal research on touchpads. Some research is possibly done privately in laptop manufacturer companies, but the technology is lacking behind regardless. This thesis explores several shallow and deep machine learning models and finds their accuracy to be very much sufficient. In addition, a real-time proof of concept is implemented to demonstrate the model's capabilities.
|
host ::
RSS.