|
|
Identifikace 2D CT axiálních řezů pomocí konvolučních neuronových sítí
Vavřinová, Pavlína ; Harabiš, Vratislav (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá klasifikací 2D axiálních CT řezů pacientských dat do šesti kategorií. K tomuto záměru byla využita oblast konvolučních neuronových sítí. Pro snadnější porozumění této problematice jsou nejprve vysvětleny základy neuronových sítí obecně a poté principy hlubokého učení zahrnující konvoluční neuronové sítě. Pro účely identifikace axiálních řezů byla vybrána konkrétně síť AlexNet, která byla po uzpůsobení otestovaná na vytvořené datové sadě. Celková úspěšnost klasifikace dosáhla 86%, po finálních úpravách došlo k mírnému zlepšení, kdy identifikační schopnost činila 87%.
|
|
|
Segmentace klenby lebeční u pacientů po kraniektomii
Vavřinová, Pavlína ; Chmelík, Jiří (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá segmentací klenby lebeční v CT snímcích pacientů po kraniektomii. Zadaná problematika byla řešena pomocí segmentační architektury U-Net, konkrétně její 2D i 3D variantou. S první verzí architektury bylo dosaženo průměrné hodnoty Jaccardova indexu 89,4 %, u druhé úspěšnosti 67,1 % vyhodnocené stejnou metrikou. Při zaměření na oblasti po chirurgickém zákroku nebyl u výsledků jednotlivých variant již tak velký rozdíl, zjištěný Jaccardův index pro 2D síťě byl průměrně 98,4 % a pro 3D verze 97,0 %.
|
|
|
Segmentace klenby lebeční u pacientů po kraniektomii
Vavřinová, Pavlína ; Chmelík, Jiří (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá segmentací klenby lebeční v CT snímcích pacientů po kraniektomii. Zadaná problematika byla řešena pomocí segmentační architektury U-Net, konkrétně její 2D i 3D variantou. S první verzí architektury bylo dosaženo průměrné hodnoty Jaccardova indexu 89,4 %, u druhé úspěšnosti 67,1 % vyhodnocené stejnou metrikou. Při zaměření na oblasti po chirurgickém zákroku nebyl u výsledků jednotlivých variant již tak velký rozdíl, zjištěný Jaccardův index pro 2D síťě byl průměrně 98,4 % a pro 3D verze 97,0 %.
|
|
|
Convolutional Neural Networks For Identification Of Axial 2d Slices In Ct Data
Vavřinová, Pavlína
This thesis deals with the classification of 2D axial slices in CT patient’s data. The classification is realized into six categories. The sphere of convolutional neural networks was used for this purpose and AlexNet network was specifically selected for the intention of this identification, which was applied to the created data set after being adaptated. The overall classification success rate was 84%. In addition, an analysis of mistakes in classification was performed.
|
|
|
Identifikace 2D CT axiálních řezů pomocí konvolučních neuronových sítí
Vavřinová, Pavlína ; Harabiš, Vratislav (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá klasifikací 2D axiálních CT řezů pacientských dat do šesti kategorií. K tomuto záměru byla využita oblast konvolučních neuronových sítí. Pro snadnější porozumění této problematice jsou nejprve vysvětleny základy neuronových sítí obecně a poté principy hlubokého učení zahrnující konvoluční neuronové sítě. Pro účely identifikace axiálních řezů byla vybrána konkrétně síť AlexNet, která byla po uzpůsobení otestovaná na vytvořené datové sadě. Celková úspěšnost klasifikace dosáhla 86%, po finálních úpravách došlo k mírnému zlepšení, kdy identifikační schopnost činila 87%.
|
host ::
RSS.