|
|
Metody segmentace a identifikace deformovaných obratlů ve 3D CT datech onkologických pacientů
Jakubíček, Roman ; Flusser, Jan (oponent) ; Kozubek, Michal (oponent) ; Jan, Jiří (vedoucí práce)
Tato disertační práce se zabývá návrhem metod směřujících k vymezení povrchů jednotlivých obratlů ve 3D CT datech onkologických pacientů, příslušných algoritmů a jejich ověřením. U takových pacientů se velmi často vyskytují tvarové i intenzitní změny obratlů, které výrazně komplikují řešení daného problému. Získání finálních segmentací jednotlivých obratlů včetně identifikace jejich pozice v páteře obecně vede přes několik základní kroků: detekce páteře a nalezení její osy, lokalizace jednotlivých obratlů a jejich identifikace a finální přesné segmentace. Pro tyto účely byly navrženy, realizovány a ověřeny příslušné algoritmy, užívající původních přístupů včetně využití strojového učení. Součástí řešení jsou mj. návrh a realizace algoritmu optimálních kružnic pro trasování páteřního kanálu s populačním přístupem, prostorově variantní filtrace jasového profilu cílená k lokalizaci obratlů nebo využití trénovaných modelů pro identifikaci obratlů s optimalizací pomocí dynamického programování. Přístup realizující finální segmentaci obratlů částečně navazuje na algoritmus navržený v předcházející fázi projektu (Peter 2013), který byl výrazně modifikován a rozšířen; algoritmus je v nové verzi založen na geometrické adaptaci intenzitního modelu kompletní páteře. Navržené přístupy byly testovány na několika databázích vytvořený v rámci práce a včetně volně dostupných umožňující také srovnání s algoritmy jiných autorů. Na základě provedeného detailního hodnocení lze konstatovat, že algoritmus poskytuje velmi dobré výsledky a ve srovnání s aktuálně publikovanými přístupy jiných autorů dosahuje srovnatelné nebo lepší výsledky. Na rozdíl od zmíněných publikací se zabývá nikoli jen některými zmíněnými etapami řešení, ale finálně jich využívá v komplexním algoritmu, řešícím celý postup od CT dat po přesně segmentované objemy jednotlivých identifikovaných obratlů, které tvoří vstupní data pro návaznou práci, zabývající se detekcí a klasifikací lézí. Navíc se algoritmus vyznačuje vysokou robustností vůči výskytu patologií a artefaktů v datech a relativně nízkou výpočetní náročností. Disertační práce obsahuje několik původních přístupů, které byly průběžně publikovány na mezinárodních konferencích; výsledné řešení bylo publikováno jako časopisecký článek Jakubicek a kol. (2020). Během experimentální validace ve spolupráci s lékařskými experty se ukázalo, že navržené algoritmy jsou plně využitelné pro následující analýzu nádorových lézí.
|
|
|
Implementace modelu hlubokého učení pro segmentaci obratlů v CT datech
Blažková, Lenka ; Chmelík, Jiří (oponent) ; Nohel, Michal (vedoucí práce)
Tato bakalářská práce se věnuje problematice segmentace obratlů v CT datech s využitím hlubokého učení. Nejprve je vytvořena teoretická rešerše zaměřená na anatomii a patologie páteře a obratlů, na CT systémy a na modely hlubokého učení pro segmentaci obratlů z 3D dat. Další část obsahuje podrobnější popis vybraného modelu pro segmentaci obratlů. V páté části je popsána samotná implementace vybraného modelu a navržená modifikace společně s výsledky na příslušné databázi. Nakonec je model s modifikací použit na klinická data poskytnutá vedoucím a popsána jeho úspěšnost na nich.
|
|
|
Metody segmentace a identifikace deformovaných obratlů ve 3D CT datech onkologických pacientů
Jakubíček, Roman ; Flusser, Jan (oponent) ; Kozubek, Michal (oponent) ; Jan, Jiří (vedoucí práce)
Tato disertační práce se zabývá návrhem metod směřujících k vymezení povrchů jednotlivých obratlů ve 3D CT datech onkologických pacientů, příslušných algoritmů a jejich ověřením. U takových pacientů se velmi často vyskytují tvarové i intenzitní změny obratlů, které výrazně komplikují řešení daného problému. Získání finálních segmentací jednotlivých obratlů včetně identifikace jejich pozice v páteře obecně vede přes několik základní kroků: detekce páteře a nalezení její osy, lokalizace jednotlivých obratlů a jejich identifikace a finální přesné segmentace. Pro tyto účely byly navrženy, realizovány a ověřeny příslušné algoritmy, užívající původních přístupů včetně využití strojového učení. Součástí řešení jsou mj. návrh a realizace algoritmu optimálních kružnic pro trasování páteřního kanálu s populačním přístupem, prostorově variantní filtrace jasového profilu cílená k lokalizaci obratlů nebo využití trénovaných modelů pro identifikaci obratlů s optimalizací pomocí dynamického programování. Přístup realizující finální segmentaci obratlů částečně navazuje na algoritmus navržený v předcházející fázi projektu (Peter 2013), který byl výrazně modifikován a rozšířen; algoritmus je v nové verzi založen na geometrické adaptaci intenzitního modelu kompletní páteře. Navržené přístupy byly testovány na několika databázích vytvořený v rámci práce a včetně volně dostupných umožňující také srovnání s algoritmy jiných autorů. Na základě provedeného detailního hodnocení lze konstatovat, že algoritmus poskytuje velmi dobré výsledky a ve srovnání s aktuálně publikovanými přístupy jiných autorů dosahuje srovnatelné nebo lepší výsledky. Na rozdíl od zmíněných publikací se zabývá nikoli jen některými zmíněnými etapami řešení, ale finálně jich využívá v komplexním algoritmu, řešícím celý postup od CT dat po přesně segmentované objemy jednotlivých identifikovaných obratlů, které tvoří vstupní data pro návaznou práci, zabývající se detekcí a klasifikací lézí. Navíc se algoritmus vyznačuje vysokou robustností vůči výskytu patologií a artefaktů v datech a relativně nízkou výpočetní náročností. Disertační práce obsahuje několik původních přístupů, které byly průběžně publikovány na mezinárodních konferencích; výsledné řešení bylo publikováno jako časopisecký článek Jakubicek a kol. (2020). Během experimentální validace ve spolupráci s lékařskými experty se ukázalo, že navržené algoritmy jsou plně využitelné pro následující analýzu nádorových lézí.
|
host ::
RSS.