|
|
Vyhodnocování terčů na střelnici s využitím obrazových dat
Sujová, Sára ; Šťastný, Jiří (oponent) ; Škrabánek, Pavel (vedoucí práce)
V práci je popísaný návrh a implementácia systému strojového videnia pre vyhodnocovanie terčov na strelnici s využitím obrazových dát. Program rešpektuje obmedzenia vychádzajúce z bezpečnostných opatrení stanovených prevádzkovateľom strelnice a používa jednotný a nemenný systém osvetlenia a umiestnenia fotoaparátu. Práca pozostáva z niekoľkých častí. Prvou časťou je vytvorenie datasetu a jeho anotácia. Druhou časťou je vytvorenie programu. Do programu vstupuje fotografia terča, ktorá je vo fáze predspracovania vhodne upravená a rozdelená na podoblasti. Tieto podoblasti sú následne iteratívne spracované sieťou U-NET, ktorá produkuje segmentačné mapy, ktoré sú následne spojené do výslednej mapy. Z tejto mapy sú získané pozície detekovaných priestrelov. V poslednej časti programu je získané bodové hodnotenie streľby.
|
|
|
Segmentation of multiple sclerosis lesions using deep neural networks
Sasko, Dominik ; Myška, Vojtěch (oponent) ; Kolařík, Martin (vedoucí práce)
This master thesis focused on automatic segmentation of Multiple Sclerosis (MS) lesions on MRI images. We tested the latest methods of segmentation using Deep Neural Networks and compared the approaches of weight initialization by transfer learning and self-supervised learning. The automatic segmentation of MS lesions is a very challenging task, primarily due to the high imbalance of the dataset (brain scans usually contain only a small amount of damaged tissue). Another challenge is a manual annotation of these lesions, as two different doctors can mark other parts of the brain as damaged and the Dice Coefficient of these annotations is approximately 0.86, which further underlines the complexity of this task. The possibility of simplifying the annotation process by automatization could improve the lesion load determination and might lead to better diagnostic of each individual patient. Our goal was to propose two techniques that use transfer learning to pre-train weights to later improve the performance of existing segmentation models. The theoretical part describes the division of artificial intelligence, machine learning and deep neural networks and their use in image segmentation. Afterwards, the work provides a description of Multiple Sclerosis, its types, symptoms, diagnosis and treatment. The practical part begins with data preprocessing. Firstly, brain scans were adjusted to the same resolution with the same voxel size. This was needed due to the usage of three different datasets, in which the scans had been created by devices from different manufacturers. One dataset also included the skull, therefore it was necessary to remove it by an FSL tool, leaving only the patient's brain in the scan. The preprocessed data were 3D scans (FLAIR, T1 and T2 modalities), which were cut into individual 2D slices and used as an input for the neural network with encoder-decoder architecture. The whole dataset consisted a total of 6,720 slices with a resolution of 192 x 192 pixels for training (after removing slices where the mask was empty). Loss function was Combo loss (combination of Dice Loss with modified Cross-Entropy). The first technique was to use the pre-trained weights from the ImageNet dataset on encoder in U-Net network, with and without locked encoder weights, respectively, and compare the results with random weight initialization. In this case, we used only the FLAIR modality. Transfer learning has proven to increase the metrics from approximately 0.4 to 0.6. The difference between encoder with and without locked weights was about 0.02. The second proposed technique was to use a self-supervised context encoder with Generative Adversarial Networks (GAN) to pre-train the weights. This network used all three modalities also with the empty slices (23,040 slices in total). The purpose of GAN was to recreate the brain image, which was covered by a checkerboard. Weights learned during this training were later loaded for the encoder to apply to our segmentation problem. The following experiment did not show any improvement, with a DSC value of 0.29 and 0.09, with and without a locked encoder, respectively. Such a decrease in performance might have been caused by the use of weights pre-trained on two distant problems (segmentation and self-supervised context encoder) or by difficulty of the task considering the hugely unbalanced dataset.
|
|
|
Segmentace tomografických dat v prostředí 3D Slicer
Korčuška, Robert ; Dvořák, Pavel (oponent) ; Mikulka, Jan (vedoucí práce)
Táto práca obsahuje základný teoretický rozbor segmentácie obrazu pomocou techniky SVM, teóriu klasifikácie dát a popis programu 3D Slicer. Práca popisuje spracovanie medicínskych obrazov a demonštruje problematiku segmentácie týchto obrazov. Obsahuje návrh a implementáciu metódy SVM v programe 3D Slicer ako rozširovací modul programu. SVM metóda je porovnaná s jednoduchými segmentačnými metódami programu 3D Slicer. Experimentálne je overená kvalita segmentácie metódou SVM na reálnych subjektoch.
|
|
|
Využití optimalizačních metod pro segmentaci MRI dat
Olešová, Kristína ; Mézl, Martin (oponent) ; Chmelík, Jiří (vedoucí práce)
Práca sa zaoberá segmentáciou mozgových tkanív z MRI obrazových dát a jej implementáciou v programe MATLAB. Je popísaná problematika rôznych segmentačných techník a najmä prístup k segmentácii ako optimalizačnému problému. Samotné obrazové data sú segmentované pomocou rozdielnych metaheuristických algoritmov. Tento prístup bol vybratý na základe informácií z posledných odborných publikácii, kde sa vyzdvihovala jeho výpočetná rýchlosť a univerzálnosť. Táto práca sa snaží tieto tvrdenia dokázať na segmentovaní obrazov z mozgu s rôznymi tipmi, počtom a štádiami choroby a fázami liečenia mozgových nádorov.
|
|
|
Interaktivní 3D modelování lidských tkání na základě CT/MR dat
Zachar, Lukáš ; Štancl, Vít (oponent) ; Kršek, Přemysl (vedoucí práce)
Cieľom tejto práce je vytvoriť systém, umožňujúci tvorbu 3D modelov tkanív z CT alebo MRI snímkov. Vstupné dáta sú vo formáte DICOM. Výber tkanív je určený užívateľom systému podľa ním zadaného rozsahu hodnôt v snímkoch. Aktuálny výber tkanív je farebne odlíšený. Tvorba polygonálneho modelu je uskutočnená pomocou algoritmu Marching cubes. Výsledný model je možné uložiť do formátu VRML alebo STL.
|
|
|
Segmentace cévního řečiště ve snímcích sítnice metodami hlubokého učení
Serečunová, Stanislava ; Vičar, Tomáš (oponent) ; Kolář, Radim (vedoucí práce)
Táto diplomová práca sa zaoberá využitím hlbokých neurónových sietí so zameraním na segmentáciu obrazu. Teoretická časť obsahuje popis hlbokých neurónových sietí a súhrn využívaných architektúr konvolučných sietí v oblasti segmentácie objektov z obrazu. V praktickej časti bola testovaním existujúcich príkladov používaných architektúr sietí naštudovaná open-source softwarová knižnica pre strojové učenie Tensorflow, implementovaná v programovacom jazyku Python. Obecným problémom použitia konvolučných neurónových sietí je požadované veľké množstvo vstupných dát. Z tohto dôvodu bola vytvorená nová dátová sada skladajúca sa z kombinácie piatich voľne dostupných databáz. Zvolená architektúra siete U-net bola testovaná prvou modifikáciou novo vytvorenej dátovej sady. Na základe výsledkov je zvolená architektúra siete modifikovaná, vďaka čomu bola vytvorená nová sieť, ktorá dosahuje lepšie výsledky než originálna sieť. Modifikovaná architektúra je následne trénovaná na vytvorenej dátovej sade, ktorá obsahuje snímky z rôznych typov fundus kamier. Natrénovaná sieť je vďaka tomuto prístupu vo výsledku robustnejšia a umožňuje segmentaciu cievneho riečiska snímkov z rôznymi parametrami. Modifikovaná architektúra bola otestovaná na databázach STARE, CHASE a HRF. Výsledky boli porovnané z publikovanými metódami segmentácie z literatúry, založených na konvolučných neurónových sieťach, ale aj klasickými metódami segmentácie. Vytvorená sieť vykazuje vysokú úspešnosť segmentácie cievneho riečiska porovnateľnú so state-of-the-art metódami.
|
|
|
Segmentation and morphological analysis of mouse embryo choroid plexus
Parobková, Viktória ; Jakubíček, Roman (oponent) ; Chmelík, Jiří (vedoucí práce)
The Choroid Plexus is a regulated gate between blood and cerebrospinal fluid and takes place in several functions connected with the neural system. However, many functions are still unknown caused by the fragility, location and shape of the plexus. Thus the noninvasive techniques are used to access this crucial brain component located within the ventricles. Moreover, there is a link between its shape and brain pathologies. This project aimed to extract the ChP of the 4th ventricle by implementing segmentation methods followed by morphological analysis to discover patterns between the shape and disease.
|
|
| |
|
|
Vyhodnocování terčů na střelnici s využitím obrazových dat
Sujová, Sára ; Šťastný, Jiří (oponent) ; Škrabánek, Pavel (vedoucí práce)
V práci je popísaný návrh a implementácia systému strojového videnia pre vyhodnocovanie terčov na strelnici s využitím obrazových dát. Program rešpektuje obmedzenia vychádzajúce z bezpečnostných opatrení stanovených prevádzkovateľom strelnice a používa jednotný a nemenný systém osvetlenia a umiestnenia fotoaparátu. Práca pozostáva z niekoľkých častí. Prvou časťou je vytvorenie datasetu a jeho anotácia. Druhou časťou je vytvorenie programu. Do programu vstupuje fotografia terča, ktorá je vo fáze predspracovania vhodne upravená a rozdelená na podoblasti. Tieto podoblasti sú následne iteratívne spracované sieťou U-NET, ktorá produkuje segmentačné mapy, ktoré sú následne spojené do výslednej mapy. Z tejto mapy sú získané pozície detekovaných priestrelov. V poslednej časti programu je získané bodové hodnotenie streľby.
|
|
|
Segmentation and morphological analysis of mouse embryo choroid plexus
Parobková, Viktória ; Jakubíček, Roman (oponent) ; Chmelík, Jiří (vedoucí práce)
The Choroid Plexus is a regulated gate between blood and cerebrospinal fluid and takes place in several functions connected with the neural system. However, many functions are still unknown caused by the fragility, location and shape of the plexus. Thus the noninvasive techniques are used to access this crucial brain component located within the ventricles. Moreover, there is a link between its shape and brain pathologies. This project aimed to extract the ChP of the 4th ventricle by implementing segmentation methods followed by morphological analysis to discover patterns between the shape and disease.
|
host ::
RSS.