|
|
Časový snímek z obrazu stacionární kamery
Turek, Lukáš ; Bařina, David (oponent) ; Herout, Adam (vedoucí práce)
Tato diplomová práce se zabývá problematikou časového snímku ze stacionárních kamer. Jsou zde analyzovány nežádoucí jevy, které v časovém snímku vznikají, a navrženy algoritmy pro překonání těchto omezení. Jednotlivé algoritmy byly implementovány a následně porovnány na pořízené sadě testovacích dat. Výsledná aplikace vytváří ze vstupního videa pokročilý časový snímek a obsahuje možnost výběru techniky zpracování včetně nastavení příslušných parametrů.
|
|
|
Extrakce texturních příznaků pro účely detekce glaukomového poškození
Daněk, Daniel ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Tato bakalářská práce se zabývá automatickou analýzou fundus snímků sítnice pomocí texturní analýzy využívající Markovská náhodná pole. Cílem práce je nalézt vhodné texturní parametry, které by bylo možné využít pro klasifikaci stupně poškození vrstvy nervových vláken. Uvažovaný model Markovských náhodných polí využívá cirkulárně symetrické okolí pro popis analyzované textury a odhad parametrů modelu pomocí metody nejmenších čtverců. Získané texturní příznaky byly kvantitativně vyhodnoceny pomocí základní korelační analýzy s využitím dat z optické koherentní tomografie (OCT). Výsledky ukazují, že existuje korelace mezi navrženými příznaky a tloušťkou vrstvy nervových vláken, měřenou pomocí OCT. Příznaky lze tedy v budoucnu potencionálně využít pro diagnostiku glaukomu.
|
|
|
Texture modeling applied to medical images
Remeš, Václav ; Haindl, Michal (vedoucí práce)
V práci jsou prezentovány nové deskriptivní mnoharozměrné markovské tex- turní modely aplikované na počítačem podporovanou diagnostiku rentgenových mamogramů. Tyto netriviální matematické modely, aplikovatelné též v široké oblasti modelování mnoharozměrných vzájemně korelovaných dat mimo mamo- grafii, umožňují, oproti standardním diskriminativním modelům, ideální vizuální ověření pomocí syntézy odpovídajících datových prostorů. Veškeré dosažené výsledky byly podrobeny rozsáhlým benchmarkům. Práce prezentuje dvě metody klasifikace hustoty prsní tkáně z rentgenových mamogramů. Obě metody byly testovány na databázích MIAS a INbreast s výsledky srovnatelnými s nejnovějšími špičkovými metodami. Dále je představeno několik metod pro zcela automatické zvýrazňování mamo- grafických textur. Tyto metody jsou založeny na deskriptivních texturních mod- elech vyvinutých v rámci této práce, které se automaticky adaptují na texturu analyzovaného rentgenového snímku, díky čemuž jsou univerzální pro libovolný druh textury bez potřeby ručního nastavování konkrétních parametrů. Výstupy metod zvýrazňují oblasti zájmu detekované jako texturní abnormality. Metody umožňují nastavit zvýraznění na...
|
|
|
Texture modeling applied to medical images
Remeš, Václav ; Haindl, Michal (vedoucí práce)
V práci jsou prezentovány nové deskriptivní mnoharozměrné markovské tex- turní modely aplikované na počítačem podporovanou diagnostiku rentgenových mamogramů. Tyto netriviální matematické modely, aplikovatelné též v široké oblasti modelování mnoharozměrných vzájemně korelovaných dat mimo mamo- grafii, umožňují, oproti standardním diskriminativním modelům, ideální vizuální ověření pomocí syntézy odpovídajících datových prostorů. Veškeré dosažené výsledky byly podrobeny rozsáhlým benchmarkům. Práce prezentuje dvě metody klasifikace hustoty prsní tkáně z rentgenových mamogramů. Obě metody byly testovány na databázích MIAS a INbreast s výsledky srovnatelnými s nejnovějšími špičkovými metodami. Dále je představeno několik metod pro zcela automatické zvýrazňování mamo- grafických textur. Tyto metody jsou založeny na deskriptivních texturních mod- elech vyvinutých v rámci této práce, které se automaticky adaptují na texturu analyzovaného rentgenového snímku, díky čemuž jsou univerzální pro libovolný druh textury bez potřeby ručního nastavování konkrétních parametrů. Výstupy metod zvýrazňují oblasti zájmu detekované jako texturní abnormality. Metody umožňují nastavit zvýraznění na...
|
|
|
Časový snímek z obrazu stacionární kamery
Turek, Lukáš ; Bařina, David (oponent) ; Herout, Adam (vedoucí práce)
Tato diplomová práce se zabývá problematikou časového snímku ze stacionárních kamer. Jsou zde analyzovány nežádoucí jevy, které v časovém snímku vznikají, a navrženy algoritmy pro překonání těchto omezení. Jednotlivé algoritmy byly implementovány a následně porovnány na pořízené sadě testovacích dat. Výsledná aplikace vytváří ze vstupního videa pokročilý časový snímek a obsahuje možnost výběru techniky zpracování včetně nastavení příslušných parametrů.
|
|
|
Extrakce texturních příznaků pro účely detekce glaukomového poškození
Daněk, Daniel ; Kolář, Radim (oponent) ; Odstrčilík, Jan (vedoucí práce)
Tato bakalářská práce se zabývá automatickou analýzou fundus snímků sítnice pomocí texturní analýzy využívající Markovská náhodná pole. Cílem práce je nalézt vhodné texturní parametry, které by bylo možné využít pro klasifikaci stupně poškození vrstvy nervových vláken. Uvažovaný model Markovských náhodných polí využívá cirkulárně symetrické okolí pro popis analyzované textury a odhad parametrů modelu pomocí metody nejmenších čtverců. Získané texturní příznaky byly kvantitativně vyhodnoceny pomocí základní korelační analýzy s využitím dat z optické koherentní tomografie (OCT). Výsledky ukazují, že existuje korelace mezi navrženými příznaky a tloušťkou vrstvy nervových vláken, měřenou pomocí OCT. Příznaky lze tedy v budoucnu potencionálně využít pro diagnostiku glaukomu.
|
|
|
Advanced Algorithms for 3D Medical Image Data Fusion in Specific Medical Problems
Malínský, Miloš ; Flusser,, Jan (oponent) ; Kozubek,, Michal (oponent) ; Jan, Jiří (vedoucí práce)
Image fusion is one of today´s most common and still challenging tasks in medical imaging and it plays crucial role in all areas of medical care such as diagnosis, treatment and surgery. Three projects crucially dependent on image fusion are introduced in this thesis. The first project deals with the 3D CT subtraction angiography of lower limbs. It combines pre-contrast and contrast enhanced data to extract the blood vessel tree. The second project fuses the DTI and T1-weighted MRI brain data. The aim of this project is to combine the brain structural and functional information that purvey improved knowledge about intrinsic brain connectivity. The third project deals with the time series of CT spine data where the metastases occur. In this project the progression of metastases within the vertebrae is studied based on fusion of the successive elements of the image series. This thesis introduces new methodology of classifying metastatic tissue. All the projects mentioned in this thesis have been solved by the medical image analysis group led by Prof. Jiří Jan. This dissertation concerns primarily the registration part of the first project and the classification part of the third project. The second project is described completely. The other parts of the first and third project, including the specific preprocessing of the data, are introduced in detail in the dissertation thesis of my colleague Roman Peter, M.Sc.
|
|
|
Multispectral texture segmentation
Mikeš, Stanislav ; Haindl, Michal
An efficient and robust type of unsupervised multispectral texture segmentation method is presented. The algorithm starts with spectral factorization of an input multispectral texture image using the Karhunen-Loeve expansion. Monospectral factors of single texture patches are assumed to be modelled using a Gaussian Markov random field model. The texture segmentation is done by K-means algorithm in the Markov model parameter space evaluated for each pixel centered image window.
|
|
| |
host ::
RSS.