|
|
Aplikace pro autentizaci osob na základě snímků sítnice
Moncz, Oliver ; Goldmann, Tomáš (oponent) ; Kavetskyi, Andrii (vedoucí práce)
Tato práce se zaobírá problémem autentizace osob na základě snímků sítnice. Hlavním cílem je navrhnout algoritmus, který dokáže porovnat snímek sítnice s registrovanými snímky v databázi. Výstupem je potom určení totožnosti s mírou jistoty. Dalším cílem bylo vytvořit aplikaci, která přes jednoduché grafické uživatelské prostředí umožní provádět zmíněné operace. Nakonec jsou vyhodnoceny výsledky a porovnány s již existujícími řešeními. Navržený autentizační systém dosáhl průměrné přesnosti 72,46 % pro datasety DRIVE a STARE, pro dataset FIRE dosáhl 78,9 %.
|
|
|
Using unlabeled data for retinal segmentation
Shemshur, Andrii ; Jakubíček, Roman (oponent) ; Vičar, Tomáš (vedoucí práce)
This bachelor's thesis is concerned with the development and evaluation of advanced methods for medical image segmentation in the context of limited training data. The study examines supervised learning techniques employing Convolutional Neural Networks (CNNs), transfer learning with pre-trained models, and semi-supervised learning strategies. A supervised convolutional neural network (CNN) model based on the U-Net architecture was employed as the baseline, achieving a Dice coefficient of 77.6\% and an intersection over union (IoU) of 63.4%. The application of transfer learning using a ResNet34 encoder pre-trained on ImageNet led to a notable improvement in performance, with a Dice coefficient of 81.9%, an IoU of 69.3%, and an accuracy of 96.7%. Furthermore, semi-supervised learning strategies, including pseudo-labeling and denoising pretraining, were employed to enhance the model's performance. The pseudo-labeling approach yielded a Dice coefficient of 81.7% and an IoU of 69.1%, thereby demonstrating the efficacy of leveraging unlabeled data. The denoising pretraining approach demonstrated robust performance, achieving a Dice coefficient of 80.3% and an IoU of 67.0%, even in the presence of noisy and unlabeled data. These outcomes underscore the potential of transfer learning and semi-supervised methods to enhance segmentation accuracy in medical image analysis. They provide a robust foundation for future research in this field.
|
|
|
Klasifikace cévního řečiště na snímcích sítnice
Tebenkova, Iuliia ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Analýza snímků sítnice má důležitý význam, protože člověk získá kolem 90 % informací z okolí přes oči. Automatizace procesů analýzy zobrazení sítnice přispívá ke zlepšení efektivity lékařských retinálních vyšetření. Tato diplomová práce se zabývá automatickými metodami klasifikace snímků cévního řečiště retiny pořízených digitální fundus kamerou. Je prozkoumána a implementována metoda klasifikace cévního řečiště s použitím klasifikátoru na základě neuronových sítí, které se trénují a pak se testují na úsecích cév retinálního řečiště. Ve stručnosti je v této práci popsán anatomický pohled na sítnici, vlastnosti obrazových dat z digitální fundus kamery a metody klasifikace retinálních snímků. Poslední kapitola se zabývá hodnocením úspěšnosti klasifikace cévního řečiště automatickými metodami.
|
|
|
Analysis of Retinal Image Data to Support Glaucoma Diagnosis
Odstrčilík, Jan ; Kybic, Jan (oponent) ; Matula,, Petr (oponent) ; Kolář, Radim (vedoucí práce)
Fundus camera is widely available imaging device enabling fast and cheap examination of the human retina. Hence, many researchers focus on development of automatic methods towards assessment of various retinal diseases via fundus images. This dissertation summarizes recent state-of-the-art in the field of glaucoma diagnosis using fundus camera and proposes a novel methodology for assessment of the retinal nerve fiber layer (RNFL) via texture analysis. Along with it, a method for the retinal blood vessel segmentation is introduced as an additional valuable contribution to the recent state-of-the-art in the field of retinal image processing. Segmentation of the blood vessels also serves as a necessary step preceding evaluation of the RNFL via the proposed methodology. In addition, a new publicly available high-resolution retinal image database with gold standard data is introduced as a novel opportunity for other researches to evaluate their segmentation algorithms.
|
|
|
Pokročilé zpracování oftalmologických video sekvencí retinálních obrazů
Říha, Pavel ; Odstrčilík, Jan (oponent) ; Jan, Jiří (vedoucí práce)
Tato práce se zabývá registrací a analýzou snímků z experimentální nízkonákladové fundus kamery dosahující nízkého SNR (kolem 10 dB) a nízkého časového i prostorového rozlišení. Cílem diplomové práce je prozkoumání možností digitálních úprav vedoucích k vytvoření videosekvence mající reálný přínos pro lékařskou diagnostiku. K registraci je použit známý program elastix; předregistrační filtry i interpolace snímků jsou implementovány v Matlabu. Program poskytuje široké možnosti nastavení, z nichž bylo mnoho variant otestováno a vyhodnoceno. K posouzení dosažené přesnosti jsou vyhodnocovány prostorové odchylky v detekovaném pohybu cév. Nejlepších výsledků s přesností pod 0.3 px bylo dosaženo použitím pásmové propusti, vhodně velké masky a rigidní registrace s metrikou vzájemné informace. Testované sekvence se podařilo registrovat dostatečně přesně pro vizuální hodnocení i základní výpočetní analýzy. Hlavním přínosem této práce jsou zregistrované sekvence a vytvořená aplikace, které mohou být využity při dalším vývoji experimentální kamery.
|
|
|
Analýza snímků sítnice se zaměřením na detekci patologických oblastí
Hartlová, Marie ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Diabetická retinopatie je vážnou oční komplikací diabetu mellitus a jedním z hlavních důvodů slepoty na světě. Tato práce se zabývá hledáním neovaskularizací, které jsou prvním projevem diabetické retinopatie na sítnici. Ve stručnosti se v této práci popisují vlastnosti obrazových dat z digitální fundus kamery, metody segmentace obrazu, metody automatické segmentace cévního řečiště a detekce neovaskularizací.Tyto informace byly využity pro vytvoření vlastního programu pro detekci neovaskularizací.
|
|
|
Segmentace cévního řečiště na snímcích sítnice pomocí klasifikačních technik
Šťastný, Pavel ; Štohanzlová, Petra (oponent) ; Odstrčilík, Jan (vedoucí práce)
Segmentace cévního řečiště na snímcích sítnice je velmi důležitá pro hodnocení a dia-gnostiku očních onemocnění, převážně diabetické retinopatie a glaukomu. Tato práce se za-bývá segmentací cévního řečiště pomocí klasifikačních metod. Pro kvalifikaci bylo použito jednoduché neuronové sítě. Nejdříve byla učena, pomocí delta pravidla, a poté byla apliková-na na předem připravený snímek přizpůsobenou filtrací. Po klasifikaci byl snímek ještě upraven a prahován. Nakonec bylo vše porovnáno se zlatým standardem. Průměrné hodnoty z hodnocení pro zdravé snímky byly senzitivita 0,7717, specificita 0,9571 a přesnost hodno-cení 0,9225.
|
|
|
Analýza barevných snímků sítnice se zaměřením na segmentaci cévního řečiště
Odstrčilík, Jan ; Jiřík, Radovan (oponent) ; Jan, Jiří (vedoucí práce)
Segmentace cévního řečiště představuje důležitou fázi při analýze snímků sítnice. Výsledky analýzy mohou být užitečné při diagnostice řady očních chorob a onemocnění spojených s kardiovaskulárním systémem. Metoda prezentovaná v této diplomové práci se zabývá plně automatickou segmentací cévního řečiště z barevných snímků sítnice pořízených digitální fundus kamerou pomocí přístupu přizpůsobené filtraci. Tento přístup využívá korelace mezi lokálními oblastmi v obraze, potencionálně obsahujícími segment cévy a 2D filtračními maskami, navrženými na základě typických jasových profilů, odpovídajících třem typům cév klasifikovaných podle šířky na tenké, středně široké a široké. Celkem jsou navrženy tři typy dvourozměrných filtračních masek respektujících tvar a šířku cév. Stanovením typických cévních profilů a návrhem přizpůsobených filtrů se zabývají kapitoly 3 a 4. Výsledek filtrace je prahován za účelem vytvoření hrubé binární reprezentace cévního řečiště, která je dále podrobena dalšímu zpracování v podobě doplnění chybějících úseků cév a čištění artefaktů. Metoda byla vyvíjena s pomocí reálných snímků sítnice a implementována prostřednictvím programového vybavení počítače. Byl vytvořen uživatelský program umožňující plně automatickou segmentaci cévního řečiště. Na závěr byla metoda odzkoušena a byla vyhodnocena její segmentační účinnost pomocí standardizovaných snímků z databáze DRIVE.
|
|
|
Segmentace cévního řečiště na snímcích sítnice s využitím matematické morfologie
Stonawski, Stanislav ; Jan, Jiří (oponent) ; Odstrčilík, Jan (vedoucí práce)
Důležitým krokem analýzy sítnicových snímků je segmentace cévního řečiště. Výsledek této analýzy může být využit při diagnostice očních či kardiovaskulárních onemocnění. Tato práce se zabývá možnostmi segmentace cévního řečiště ve snímcích s vysokým rozlišením za využití metod matematické morfologie. Cílem práce je vytvoření algoritmu, který bude schopen segmentace cévního řečiště ze sítnicových snímků. Dalším cílem je provedení hodnocení jeho účinnosti. Práce se stručně zabývá problematikou fundus kamer, vlastnostmi jejich obrazových dat a databází snímků. Dále jsou popsány vlastnosti cévního řečiště v těchto snímcích společně se způsoby jeho segmentace. Prezentovány jsou vytvořené algoritmy a výsledky jejich aplikace na databázi High-Resolution Fundus Image Database.
|
|
|
Využití snímků sítnice v biometrii
Bujnošková, Eva ; Drahanský, Martin (oponent) ; Kolář, Radim (vedoucí práce)
Rozpoznávání podle sítnice je velmi účinný a téměř neomylný nástroj pro identifikaci osob, díky svým výhodám může být použit v případech, kdy je třeba zajistit vysokou bezpečnost. Proces identifikace vychází z úspěšné extrakce cévního řečiště ze snímku sítnice a převodu na binární obraz. Tento je pak použit k hledání bifurkací v řečišti s využitím skeletonizace jako operace matematické morfologie. Větvení cév jako jediný parametr nestačí, je proto doplněn informacemi o tloušťce a směru cévy v okolí detekované bifurkace. Souhrn parametrů je následně porovnán s příznaky obrazů v databázi a pomocí zarovnávání je stanoven obraz, který je s určitou pravděpodobností nejbližší danému souhrnu. Ten je vyhodnocen jako shoda a k testovacímu objektu je přiřazen objekt z databáze. Práce zahrnuje také zpracování druhé metody využívající translaci obrazu a výpočtů minimálních vzdáleností mezi bifurkacemi.
|
host ::
RSS.