National Repository of Grey Literature 2 records found  Search took 0.00 seconds. 
Deep learning model for segmentation of trabecular tissue on CT data of the lumbar spine
Nagyová, Miriam ; Nohel, Michal
This paper focuses on training a deep learning model for vertebral body segmentation of the lumbar spine. The nnU-Net model was trained and tested on a publicly available dataset LumVBCanSeg consisting of 185 lumbar CT scans. Dice coefficient was used to evaluate the accuracy of the trained model. The mean Dice coefficient of the testing dataset was 0.949 with a standard deviation of 0.103. The model was also tested on clinical data containing various abnormalities, such as lytic lesions in multiple myeloma patients and metallic implants. Results were evaluated visually. While the model showed high accuracy on the testing dataset, the results on scans with anomalies showed a decline in accuracy.
Analysis of osteolytic spinal tumors in patients with multiple myeloma using CT data
Čurillová, Miriam ; Mézl, Martin (referee) ; Nohel, Michal (advisor)
Táto bakalárska práca sa zameriava na analýzu osteolytických lézií u pacientov s mnohopočetným myelómom. Prvým krokom k dosiahnutiu nášho cieľa bolo štúdium tohto ochorenia, jeho diagnostických kritérií, možných komplikácií a dostupnej liečby. Praktická časť pozostávala z niekoľkých samostatných úloh. Štatistická analýza bola vykonaná na súbore údajov pozostávajúcom z CT skenov pacientov s diagnostikovaným mnohopočetným myelómom, ako aj osôb bez akejkoľvek patológie chrbtice. Po extrakcii a redukcii počtu príznakov sme dokončili analýzu získaných dát. Dospeli sme k záveru, že existujú príznaky, ktoré sa medzi týmito dvoma skupinami výrazne líšia. Po analýze celých tiel stavcov bola vykonaná analýza lézií na kontrolných snímkach, kde bol analyzovaný ich objem.

Interested in being notified about new results for this query?
Subscribe to the RSS feed.