|
| |
|
|
Metody hlubokého učení pro segmentaci cév a optického disku v oftalmologických sekvencích
Rozhoňová, Andrea ; Odstrčilík, Jan (oponent) ; Hesko, Branislav (vedoucí práce)
Cílem následující diplomové práce bylo studium problematiky segmentace optického disku a cév sítnice v oftalmologických sekvencích. Teoretická část práce shrnuje principy různých přístupů z oblasti hlubokého učení, které se v souvislosti s danou problematikou využívají. Na základě teoretické části jsou navrženy metody pro segmentaci optického disku a pro segmentaci cév sítnice založené na konvolučních neuronových sítích Linknet, PSPNet, Unet a MaskRCNN. Popisem jejich implementace a následným zhodnocením se zabývá praktická část diplomové práce.
|
|
|
Rozpoznání textu s využitím neuronových sítí
Peřinová, Barbora ; Hesko, Branislav (oponent) ; Mézl, Martin (vedoucí práce)
Tato diplomová práce se zabývá rozpoznáváním textu v obraze. V první části práce jsou popsány základní typy úloh rozpoznání textu a rozdělení algoritmu na jednotlivé fáze. Pro každou fázi jsou v následující části popsány nejpoužívanější metody. V rámci fáze rozpoznávání znaků je vysvětlena problematika umělých neuronových sítí a jejich využití v této fázi, konkrétně vícevrstvého perceptronu a konvolučních neuronových sítí. Druhá část se zabývá definicí požadavků na konkrétní aplikaci využitelnou jako zpětná vazba pro robotický systém. Je představena implementace algoritmu v .NET využívající konvoluční neuronové sítě a knihovnu CNTK pro hluboké učení. V neposlední řadě jsou diskutovány výsledky testování jednotlivých fází navrženého řešení a porovnány s volně dostupnou technikou Tesseract.
|
|
|
Deep Convolutional Networks For Oct Image Classification
Hesko, Branislav
In this work, OCT (optical coherence tomography) images are classified according to the present pathology into four distinct categories. Three different neural network models are used to classify images, each model is recent and we are achieving exceptional results on the testing dataset, which was unknown to the network during the training. Accuracy on the testing set is higher than 98% and only a few of images are classified into the wrong category. This makes our approach perspective for future automatic use. To further improve results, all three models are using transfer learning.
|
|
|
Terapeutická hra pro měření reakční doby s využitím platformy BITalino
Veselá, Cindy ; Mézl, Martin (oponent) ; Hesko, Branislav (vedoucí práce)
Tato diplomová práce se zabývá snímáním elektromyografického signálu a detekcí svalové aktivity v reálném čase za účelem měření reakční doby. Pro motivaci pacientů byla navržena a implementována terapeutická závodní hra ovladatelná svalovou aktivitou. V práci byly pro detekci svalové aktivity zrealizovány tři různé metody, přičemž nejpřesnější výsledky dosahuje navržená neuronová síť s hierarchií U-Net, jež klasifikuje vzorky EMG signálu do dvou kategorií – klidové úseky a úseky reprezentující svalovou aktivitu. Přesnost klasifikace signálu touto metodou je 97 %. Následně byly zkoumány rozdíly reakčních dob mezi skupinami probandů, při různých podnětech a také zlepšení reakčních časů v průběhu hraní hry.
|
|
|
Sledování pohybu očí pomocí platformy Raspberry Pi
Hunkařová, Nikol ; Mézl, Martin (oponent) ; Hesko, Branislav (vedoucí práce)
Tato diplomová práce se zabývá sledováním pohybu očí pomocí platformy Raspberry Pi. Teoretická část studuje problematiku anatomie oka, detekce a sledování očí. V praktické části je v programovacím jazyku Python navrhnut systém, který je schopen sledovat oči pomocí platformy Raspberry Pi a modulu RPi Camera. Pro načítání a předzpracování obrazů z kamery je použita knihovna OpenCV. Je vytvořen program, který po kalibraci detekuje směr pohledu a vyhodnocuje změny směru. Přesnost programu je testována třemi metodami určení vektoru směru pohybu a dvěma metodami sledování terče pro čtyři různá rozlišení výstupní obrazovky.
|
|
|
Metody hlubokého učení pro segmentaci cév a optického disku v oftalmologických sekvencích
Rozhoňová, Andrea ; Odstrčilík, Jan (oponent) ; Hesko, Branislav (vedoucí práce)
Cílem následující diplomové práce bylo studium problematiky segmentace optického disku a cév sítnice v oftalmologických sekvencích. Teoretická část práce shrnuje principy různých přístupů z oblasti hlubokého učení, které se v souvislosti s danou problematikou využívají. Na základě teoretické části jsou navrženy metody pro segmentaci optického disku a pro segmentaci cév sítnice založené na konvolučních neuronových sítích Linknet, PSPNet, Unet a MaskRCNN. Popisem jejich implementace a následným zhodnocením se zabývá praktická část diplomové práce.
|
|
|
Postupy seřízení diagnostického přístroje Array Reader C-series
Čičatka, Michal ; Hesko, Branislav (oponent) ; Mézl, Martin (vedoucí práce)
Práce se věnuje aktualizaci aplikace pro seřízení biochemického microarray analyzátoru Array Reader C-series společnosti BioVendor. Nejprve obecně definuje a rozdělí chemické analyzátory; následně popíše jejich fyzikální principy. Další kapitoly shrnují poznatky o microarray testech, které jsou využívány právě analyzátory microarray a jsou popsány jejich chemické a fyzikální principy. Dále se práce zabývá jakostí a její kontrolou a seřízením přístrojů. Krátce se práce věnuje také .NET Frameworku, softwarové platformě, pomocí niž je implementována praktická část práce. V závěru teoretické části je následně popsán samotný Array Reader C-series. Praktická část dokumentuje stávající aplikaci pro seřízení. Na základě osobních zkušeností se stávající aplikací je vytvořen a podrobně popsán návrh nové aplikace. Hlavní úlohou nové aplikace by mělo být zpřehlednění, zjednodušení a automatizace seřizovacího procesu. Dále práce popisuje implementaci návrhu aplikace včetně všech automatizačních procesů. Závěr práce srovnává původní verzi a novou verzi aplikace z hlediska časové náročnosti a uživatelského komfortu. Aplikace byla vyhodnocena jako lepší z hlediska časové náročnosti i uživatelského komfortu oproti své původní verzi. Aplikace byla dále rozšířena pro fluorescenční analyzátor a pro oba přístroje byla vytvořena i odvozená aplikace pro servisní seřízení. Všechny čtyři aplikace jsou již implementované do softwaru společnosti BioVendor a užívají se při běžném provozu.
|
|
| |
|
|
Segmentation of the Common Carotid Artery Intima Media Using Active Contour Models
Hesko, Branislav
Ultrasound measurements of the human carotid artery intima media thickness are conventionally obtained using manual tracing between tissue layers. This article consists of different approach, when intima media thickness is determined automatically. Tissue layers are detected by use of active contour segmentation. This method does not use any type of gradient, only intensity based image is needed. Therefore, robustness to speckle noise is present. A total of 15 carotid artery ultrasound images is analyzed to determine wall thickness. For evaluation, each of the images contains manually added marks by an expert.
|
host ::
RSS.