|
|
Detection of cellular processes in image sequences
Hatrinh, Hung Anh ; Richter, Miloslav (referee) ; Petyovský, Petr (advisor)
Překlad abstraktu (Tato bakalářská práce se zabývá segmentací buněk od obrazového pozadí a detekcí buněčných procesů v kvantitativních fázových obrazech získaných koherencí řízeným holografickým mikroskopem. Navržený algoritmus na segmentaci buněk využívá hranového detektoru watershedingu. Implemtován byl v programovacím jazyce C++ a využívá knihovny OpenCV. Detekce buněčných procesů je řešena metodami strojového učení v MATLABu.)
|
|
|
Application Control Using User Hand and Fingertips Gestures
Břenek, Martin ; Behúň, Kamil (referee) ; Beran, Vítězslav (advisor)
This bachelor's thesis deals with creating the user interface element, which is used to control application by user hand and fingertips gesture. The text discuss the basics of computer vision and image segmentation principles. The thesis also focuses on analysis of task and solution design, describes implementation details, including used tools and includes test results of final solution.
|
|
|
Processing of X-Ray images in studying jawbone diseases
Kabrda, Miroslav ; Šmirg, Ondřej (referee) ; Mikulka, Jan (advisor)
The subject of this thesis is a method proposed for automated evaluation of the parameters of X-ray of cystic disorders in human jawbones. The main problem in medical diagnostic is the low repeatability due to the subjective evaluation of images without using a tool for image processing. In this thesis are described the basic steps of image processing, various methods of image segmentation and chosen segmentation method live-wire. Selected segments were processed in the ImageJ Java environment. In the cystic regions their basic statistical and shape properties were evaluated. The obtained values were used for learning the classification model (decision tree) in the environment RapidMiner. This model was used to create a plug-in for automatic classification of the type of cysts in the program ImageJ.
|
|
|
Extraction of arteries and veins from fundus image of human retina
Baláš, Ondřej ; Říha, Kamil (referee) ; Minář, Jiří (advisor)
This bachelor’s thesis deals with methods of image segmentation and their use in the extraction of blood vessels of the eye from so called fundus images. For understanding the issue, various methods of segmentation, anatomical view of the eye, image processing and implementation are described on following pages. This thesis also contains a proposal of an application, programmed in JAVA, supported by OpenCV library for image processing. Final images from the application are compared to „golden standard“ images from public databases.
|
|
|
Detection of security aids in image signal
Burdík, Vojtěch ; Šmirg, Ondřej (referee) ; Přinosil, Jiří (advisor)
This work is devoted to the relatively new field of computer – computer vision. It focuses on the recognition of people, positioning and colour detection of clothing placed on person. The aim is to build an algorithm that would be able to locate the person in the picture and would make colours tests of clothing and helmets. For image processing were used OpenCV library functions and from algorithms was compiled program solving this problem. The output of the program is the answer, what colour is person at stated locations wearing, and if clothing and helmet are the same colour, the person is evaluated as properly dressed. The resulting program is then disassembled and parts of the code are in detail described in this work. There is explained how to use correctly each OpenCV function used in program.
|
|
|
Evaluation of targets in shooting range based on image data
Sujová, Sára ; Šťastný, Jiří (referee) ; Škrabánek, Pavel (advisor)
The thesis describes the design and implementation of a computer vision system for evaluating targets on the shooting range using image data. The program respects the restrictions based on safety measures established by the the shooting range manager and uses an uniform system of lighting and camera placement. The work consists of several parts. The first part is the creation of the dataset and its annotation. The second part is the creation of the program. The program includes a photo of the target, which is suitably edited and divided into sub-areas in the pre-processing phase. These sub-regions are then iteratively processed by the U-NET network, which produces segmentation maps that are subsequently combined into the resulting map. The positions of the detected shots are obtained from this map. In the last part of the program, a point evaluation of the shooting session is obtained.
|
|
|
Analysis of Retinal Image Data to Support Glaucoma Diagnosis
Odstrčilík, Jan ; Kybic, Jan (referee) ; Matula,, Petr (referee) ; Kolář, Radim (advisor)
Fundus kamera je široce dostupné zobrazovací zařízení, které umožňuje relativně rychlé a nenákladné vyšetření zadního segmentu oka – sítnice. Z těchto důvodů se mnoho výzkumných pracovišť zaměřuje právě na vývoj automatických metod diagnostiky nemocí sítnice s využitím fundus fotografií. Tato dizertační práce analyzuje současný stav vědeckého poznání v oblasti diagnostiky glaukomu s využitím fundus kamery a navrhuje novou metodiku hodnocení vrstvy nervových vláken (VNV) na sítnici pomocí texturní analýzy. Spolu s touto metodikou je navržena metoda segmentace cévního řečiště sítnice, jakožto další hodnotný příspěvek k současnému stavu řešené problematiky. Segmentace cévního řečiště rovněž slouží jako nezbytný krok předcházející analýzu VNV. Vedle toho práce publikuje novou volně dostupnou databázi snímků sítnice se zlatými standardy pro účely hodnocení automatických metod segmentace cévního řečiště.
|
|
|
Advanced Image Edge Detection
Novák, Marek ; Nečas, Ondřej (referee) ; Španěl, Michal (advisor)
Edge detection is one of the fundamental techniques used in the fields of image processing and computer vision. Goal of this thesis is an implementation and evaluation of chosen basic and advanced edge detection methods, including performance evaluation. Thesis describes implementation and performance evaluation of Linked Edges as Stable Region Boundaries method. Performance is evaluated using Berkeley Segmentation Data Set and Benchmarks 500 .
|
|
|
Segmentation of multiple sclerosis lesions using deep neural networks
Sasko, Dominik ; Myška, Vojtěch (referee) ; Kolařík, Martin (advisor)
Hlavným zámerom tejto diplomovej práce bola automatická segmentácia lézií sklerózy multiplex na snímkoch MRI. V rámci práce boli otestované najnovšie metódy segmentácie s využitím hlbokých neurónových sietí a porovnané prístupy inicializácie váh sietí pomocou preneseného učenia (transfer learning) a samoriadeného učenia (self-supervised learning). Samotný problém automatickej segmentácie lézií sklerózy multiplex je veľmi náročný, a to primárne kvôli vysokej nevyváženosti datasetu (skeny mozgov zvyčajne obsahujú len malé množstvo poškodeného tkaniva). Ďalšou výzvou je manuálna anotácia týchto lézií, nakoľko dvaja rozdielni doktori môžu označiť iné časti mozgu ako poškodené a hodnota Dice Coefficient týchto anotácií je približne 0,86. Možnosť zjednodušenia procesu anotovania lézií automatizáciou by mohlo zlepšiť výpočet množstva lézií, čo by mohlo viesť k zlepšeniu diagnostiky individuálnych pacientov. Našim cieľom bolo navrhnutie dvoch techník využívajúcich transfer learning na predtrénovanie váh, ktoré by neskôr mohli zlepšiť výsledky terajších segmentačných modelov. Teoretická časť opisuje rozdelenie umelej inteligencie, strojového učenia a hlbokých neurónových sietí a ich využitie pri segmentácii obrazu. Následne je popísaná skleróza multiplex, jej typy, symptómy, diagnostika a liečba. Praktická časť začína predspracovaním dát. Najprv boli skeny mozgu upravené na rovnaké rozlíšenie s rovnakou veľkosťou voxelu. Dôvodom tejto úpravy bolo využitie troch odlišných datasetov, v ktorých boli skeny vytvárané rozličnými prístrojmi od rôznych výrobcov. Jeden dataset taktiež obsahoval lebku, a tak bolo nutné jej odstránenie pomocou nástroju FSL pre ponechanie samotného mozgu pacienta. Využívali sme 3D skeny (FLAIR, T1 a T2 modality), ktoré boli postupne rozdelené na individuálne 2D rezy a použité na vstup neurónovej siete s enkodér-dekodér architektúrou. Dataset na trénovanie obsahoval 6720 rezov s rozlíšením 192 x 192 pixelov (po odstránení rezov, ktorých maska neobsahovala žiadnu hodnotu). Využitá loss funkcia bola Combo loss (kombinácia Dice Loss s upravenou Cross-Entropy). Prvá metóda sa zameriavala na využitie predtrénovaných váh z ImageNet datasetu na enkodér U-Net architektúry so zamknutými váhami enkodéra, resp. bez zamknutia a následného porovnania s náhodnou inicializáciou váh. V tomto prípade sme použili len FLAIR modalitu. Transfer learning dokázalo zvýšiť sledovanú metriku z hodnoty približne 0,4 na 0,6. Rozdiel medzi zamknutými a nezamknutými váhami enkodéru sa pohyboval okolo 0,02. Druhá navrhnutá technika používala self-supervised kontext enkodér s Generative Adversarial Networks (GAN) na predtrénovanie váh. Táto sieť využívala všetky tri spomenuté modality aj s prázdnymi rezmi masiek (spolu 23040 obrázkov). Úlohou GAN siete bolo dotvoriť sken mozgu, ktorý bol prekrytý čiernou maskou v tvare šachovnice. Takto naučené váhy boli následne načítané do enkodéru na aplikáciu na náš segmentačný problém. Tento experiment nevykazoval lepšie výsledky, s hodnotou DSC 0,29 a 0,09 (nezamknuté a zamknuté váhy enkodéru). Prudké zníženie metriky mohlo byť spôsobené použitím predtrénovaných váh na vzdialených problémoch (segmentácia a self-supervised kontext enkodér), ako aj zložitosť úlohy kvôli nevyváženému datasetu.
|
|
|
Object Recognition by Neural Networks
Marák, Jaroslav ; Rozman, Jaroslav (referee) ; Zbořil, František (advisor)
This thesis is focused on neural networks and their classification capability in object recognition tasks. For recognition is there used neural networks with feedforward architecture which is learned by Back Propagation algorithm. We discusses about problems which appear while a choosing topology of network or using various lerning-significant parametters while a learning process. Achieved results are presented in experiments with estimation.
|
guest ::
