|
|
Segmentation of brain tumours in MRI images using deep learning
Ustsinau, Usevalad ; Odstrčilík, Jan (referee) ; Chmelík, Jiří (advisor)
The following master's thesis paper equipped with a short description of CT scans and MR images and the main differences between them, explanation of the structure of convolutional neural networks and how they implemented into biomedical image analysis, besides it was taken a popular modification of U-Net and tested on two loss-functions. As far as segmentation quality plays a highly important role for doctors, in experiment part it was paid significant attention to training quality and prediction results of the model. The experiment has shown the effectiveness of the provided algorithm and performed 100 training cases with the following analysis through the similarity. The proposed outcome gives us certain ideas for future improving the quality of image segmentation via deep learning techniques.
|
|
|
Airway analysis of prematurely born babies based on X-ray CT and MRI scans
Lázňovský, Jakub ; Harabiš, Vratislav (referee) ; Chmelík, Jiří (advisor)
Předkládaná Diplomová práce se zabývá analýzou a tvorbou modelů dýchacích cest předčasně narozených dětí. Nejprve je položen teoretický základ v oblasti vývoje dýchacího ústrojí a tvorby modelů dýchacích cest. Poté jsou představeny využité zobrazovací modality a popsány metody pro práci s obrazovými daty. Praktická část práce se zabývá vytvořením modelů dýchacích cest tří novorozenců. Všechny tyto modely jsou vytvořeny na základě klinických CT a MRI dat novorozenců narozených ve 30. týdnu gestačního věku. U těchto vytvořených modelů jsou dále analyzovány vybrané parametry související s anatomickou strukturou dýchacích cest. Na základě analýzy těchto parametrů byl následně navrhnut reprezentativní model, odpovídající dýchacím cestám novorozence daného gestačního věku.
|
|
|
Interactive Medical Image Segmentation
Olša, Martin ; Kršek, Přemysl (referee) ; Španěl, Michal (advisor)
This work deals with a fast level-set approach for segmentation of anatomical structures in volumetric medical images. The fast level-set method evolves a closed 3D surface in time propagating the surface form an initial position. The major contribution of this work is the implementation of the level-set method and construction of an interactive tool for segmentation of 3D medical data using this method. The tool is able to interactively change parameters of the evolution during the segmentation process itself. Due to the nature of level-set method, the evolution process can be stopped at any time, or backtracked and restarted from any previous step with a different configuration.
|
|
|
Algorithms for multimodal radiography with novel imaging detectors.
Tureček, Daniel ; Šefc, Luděk (advisor) ; Tlustos, Lukas (referee) ; Linhart, Vladimír (referee)
Medical imaging is a technique that allows us to visualize non surgically the internal structure of the human body in order to diagnose or treat medical conditions. It permits also monitoring of physical processes or functions of different organs inside the body. The medical imaging encompasses wide range of techniques based on different physical prin- ciples, including techniques using ionizing radiation. The quality of the images depends significantly on the quality of the used imaging detectors. There are many types of the detectors, from old analog devices (e.g. films) to fully digital detectors such as flat panels, that are the most widely used today. The newer technology is being developed and the techniques such as photon counting explored. However, the state of the art technology is the single photon counting, where the experimental detectors such as Medipix are able to count and process each individual photon. This works studies the properties, features and applications of the newest detector from the Medipix family Timepix3 in different imaging modalities. Firstly, a design of a new hardware readout interface for Timepix3 is presented together with data acquisition software and new analysis and calibration algorithms. Then, different applications of Timepix3 detector were explored: very...
|
|
|
Correspondence Problem in Geometrics Morphometric Tasks
Krajíček, Václav ; Pelikán, Josef (advisor) ; Kosinka, Jiří (referee) ; Sochor, Jiří (referee)
Title: Correspondence Problem in Geometric Morphometrics Tasks Author: Václav Krajíček Department / Institute: Department of Software and Computer Science Education Supervisor of the doctoral thesis: RNDr. Josef Pelikán Supervisor's e-mail address: pepca@cgg.mff.cuni.cz Abstract: Shape analysis in physical anthropology, biomedicine, and related disci- plines is mostly done using landmarks or by measuring distances. New techno- logical advancements allow the digitization of object's appearance in the form of triangular meshes or volume images. These digital images are especially beneficial in the cases when landmarks cannot be used to effectively describe the shape. In order to statistically analyze shape in a sample of observations, which are represented by these modalities, correspondence has to be found. Registration is a crucial tool in mapping the shape representations into a common space where correspondence is found by nearest neighbor principle in the case of triangular meshes or by overlaps in the case of volume images. B- spline based non-rigid registration is chosen because of its versatility, relative speed and ability to handle both meshes and volume images. Experiments were also performed with other alternatives - Thin-plate splines and Coherent point drift. The algorithm was modified to handle...
|
|
| |
|
|
Vektorová segmentace objemových medicínských dat založená na Delaunay triangulaci
Španěl, Michal ; Martišek, Dalibor (referee) ; Sochor, Jiří (referee) ; Kršek, Přemysl (advisor)
Image segmentation plays an important role in medical image analysis. Many segmentation algorithms exist. Most of them produce data which are more or less not suitable for further surface extraction and anatomical modeling of human tissues. In this thesis, a novel segmentation technique based on the 3D Delaunay triangulation is proposed. A modified variational tetrahedral meshing approach is used to adapt a tetrahedral mesh to the underlying CT volumetric data, so that image edges are well approximated in the mesh. In order to classify tetrahedra into regions/tissues whose characteristics are similar, three different clustering schemes are presented. Finally, several methods for improving quality of the mesh and its adaptation to the image structure are also discussed.
|
|
|
Vertex and Pixel Shaders OpenGL Visualisation of Medical 3D Image Data
Vaďura, Jiří ; Španěl, Michal (referee) ; Kršek, Přemysl (advisor)
This thesis deals with accelerated 3D rendering of medical data, e.g. computed tomography, using a graphics processor and OpenGL library. Raw data slices are send to graphic memory and rendered by a ray-casting algorithm. The goal of this project is high quality visual output and full user interaction at the same time. Multiple rendering modes are avaiable to the user: MIP, X-Ray simulation and realistic shading.
|
|
|
Brain Tumor Detection and Segmentation in Multisequence MRI
Dvořák, Pavel ; Přibil, Jiří (referee) ; Šprláková-Puková,, Andrea (referee) ; Smékal, Zdeněk (advisor)
Tato práce se zabývá detekcí a segmentací mozkového nádoru v multisekvenčních MR obrazech se zaměřením na gliomy vysokého a nízkého stupně malignity. Jsou zde pro tento účel navrženy tři metody. První metoda se zabývá detekcí prezence částí mozkového nádoru v axiálních a koronárních řezech. Jedná se o algoritmus založený na analýze symetrie při různých rozlišeních obrazu, který byl otestován na T1, T2, T1C a FLAIR obrazech. Druhá metoda se zabývá extrakcí oblasti celého mozkového nádoru, zahrnující oblast jádra tumoru a edému, ve FLAIR a T2 obrazech. Metoda je schopna extrahovat mozkový nádor z 2D i 3D obrazů. Je zde opět využita analýza symetrie, která je následována automatickým stanovením intenzitního prahu z nejvíce asymetrických částí. Třetí metoda je založena na predikci lokální struktury a je schopna segmentovat celou oblast nádoru, jeho jádro i jeho aktivní část. Metoda využívá faktu, že většina lékařských obrazů vykazuje vysokou podobnost intenzit sousedních pixelů a silnou korelaci mezi intenzitami v různých obrazových modalitách. Jedním ze způsobů, jak s touto korelací pracovat a používat ji, je využití lokálních obrazových polí. Podobná korelace existuje také mezi sousedními pixely v anotaci obrazu. Tento příznak byl využit v predikci lokální struktury při lokální anotaci polí. Jako klasifikační algoritmus je v této metodě použita konvoluční neuronová síť vzhledem k její známe schopnosti zacházet s korelací mezi příznaky. Všechny tři metody byly otestovány na veřejné databázi 254 multisekvenčních MR obrazech a byla dosáhnuta přesnost srovnatelná s nejmodernějšími metodami v mnohem kratším výpočetním čase (v řádu sekund při použitý CPU), což poskytuje možnost manuálních úprav při interaktivní segmetaci.
|
|
| |
guest ::
