|
|
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...
|
|
|
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.
|
host ::
RSS.