|
Texturní analýza oftalmologických snímků
Kaňka, Jan ; Odstrčilík, Jan (oponent) ; Jan, Jiří (vedoucí práce)
Tato práce se zabývá vytvořením programu pro texturní analýzu snímků retinální oblasti pomocí statistické metody co-occurrence matrices jako možnou alternativu detekce poškození sítnice glaukomem. Glaukomové onemocnění bez včasné diagnostiky a následné léčby vede k slepotě. Snímky sítnice pořízené fundus kamerou jsou běžné a velmi snadno zpracovatelné. Moderní přístroje jsou schopny zachytit snímek o rozlišení 10MPix a více, což zpřesňuje výstupy analytického software. Metoda co-occurrence analýzy je jednoduchá a velmi účinná statistika. Její nevýhodou je výpočetní náročnost, jenž přichází spolu s rostoucí objektivní kvalitou snímků.
|
| |
|
Texturní analýza oftalmologických snímků
Kaňka, Jan ; Odstrčilík, Jan (oponent) ; Jan, Jiří (vedoucí práce)
Tato práce se zabývá vytvořením programu pro texturní analýzu snímků retinální oblasti pomocí statistické metody co-occurrence matrices jako možnou alternativu detekce poškození sítnice glaukomem. Glaukomové onemocnění bez včasné diagnostiky a následné léčby vede k slepotě. Snímky sítnice pořízené fundus kamerou jsou běžné a velmi snadno zpracovatelné. Moderní přístroje jsou schopny zachytit snímek o rozlišení 10MPix a více, což zpřesňuje výstupy analytického software. Metoda co-occurrence analýzy je jednoduchá a velmi účinná statistika. Její nevýhodou je výpočetní náročnost, jenž přichází spolu s rostoucí objektivní kvalitou snímků.
|
|
Segmentace 3D obrazových dat s využitím pokročilých texturních a tvarových příznaků
Novosadová, Michaela ; PhD, Miloš Malínský, (oponent) ; Jan, Jiří (vedoucí práce)
Tato diplomová práce se zabývá nejprve teoretickým popisem řady metod texturní a tvarové analýzy. Tyto metody jsou v několika publikovaných článcích využity pro automatickou detekci lézí v páteři na CT snímcích, v této práci jsou některé z těchto článků krátce prezentovány. Dále diplomová práce obsahuje popis různých klasifikátorů, které se využívají pro klasifikaci příznakových vektorů odvozených uvedenými metodami. Realizační částí práce je návrh a implementace vlastního řešení segmentace obrazových dat (metastatických lézí v obratlích) s využitím klasifikace příznakových vektorů tvořených texturními a tvarovými příznaky. Práce se také věnuje výběru významných příznaků pro segmentaci. Segmentační algoritmus je testován na medicínských datech.
|
| |