|
|
Automatic Detection of Eye Retinal Pathologies
Tlustoš, Vít ; Beran, Vítězslav (referee) ; Drahanský, Martin (advisor)
Cílem této práce je navrhnout a vyvinout systém, který automaticky odhalí vybrané patologie nacházející se na snímcích sítnice lidského oka. Sítnice jako jediný orgán v těle obsahuje světlocitlivé buňky potřebné k vidění. Proto, aby byla léčba onemocnění sítnice úspěšná je klíčové jeho včasné zachycení a přesné určení rozsahu. Navržený systém automaticky k dodanému snímku vygeneruje segmentační masky reprezentující výskyt jednotlivých patologií. Výsledek je poté prezentován uživateli. O samotné vyhodnocení se stará konvoluční neuronová síť jejímž základem je architektura U-Net. Síť byla natrénovaná na datasetu Indian Diabetic Retinopathy Image Dataset zkráceně IDRiD, který obsahuje 81 snímků sítnice a k nim příslušících anotací. Úspěšnost navrhovaného systému byla stanovena pomocí AUC-PR skóre (plocha pod precision-recall křivkou). Segmentace tvrdých exsudátů, měkkých exsudátů, hemoragií a mikroaneuryzmat dosáhla hodnot AUC-PR 74%, 50%, 45% a 33%, v daném pořadí. Tato práce přináší inovativní architekturu, která má v případě dalšího rozvoje potenciál být využita oftalmology pro diagnostiku a stanovení rozsahu onemocnění sítnice oka.
|
|
|
Automatic Detection of Eye Retinal Pathologies
Tlustoš, Vít ; Beran, Vítězslav (referee) ; Drahanský, Martin (advisor)
Cílem této práce je navrhnout a vyvinout systém, který automaticky odhalí vybrané patologie nacházející se na snímcích sítnice lidského oka. Sítnice jako jediný orgán v těle obsahuje světlocitlivé buňky potřebné k vidění. Proto, aby byla léčba onemocnění sítnice úspěšná je klíčové jeho včasné zachycení a přesné určení rozsahu. Navržený systém automaticky k dodanému snímku vygeneruje segmentační masky reprezentující výskyt jednotlivých patologií. Výsledek je poté prezentován uživateli. O samotné vyhodnocení se stará konvoluční neuronová síť jejímž základem je architektura U-Net. Síť byla natrénovaná na datasetu Indian Diabetic Retinopathy Image Dataset zkráceně IDRiD, který obsahuje 81 snímků sítnice a k nim příslušících anotací. Úspěšnost navrhovaného systému byla stanovena pomocí AUC-PR skóre (plocha pod precision-recall křivkou). Segmentace tvrdých exsudátů, měkkých exsudátů, hemoragií a mikroaneuryzmat dosáhla hodnot AUC-PR 74%, 50%, 45% a 33%, v daném pořadí. Tato práce přináší inovativní architekturu, která má v případě dalšího rozvoje potenciál být využita oftalmology pro diagnostiku a stanovení rozsahu onemocnění sítnice oka.
|
guest ::
RSS feed.