|
|
Analýza 3D CT obrazových dat se zaměřením na detekci a klasifikaci specifických struktur tkání
Šalplachta, Jakub ; Malínský, Miloš (oponent) ; Jan, Jiří (vedoucí práce)
Tato diplomová práce se zabývá segmentací a klasifikací paraspinálního svalu a podkožní tukové tkáně na základě 3D CT obrazových dat, a to za účelem jejich následného využití jako interních kalibračních fantomů pro výpočet minerální hustoty obratle. Vybrané přístupy byly testovány a následně hodnoceny z hlediska správnosti klasifikace a také jejich celkové funkčnosti pro následný výpočet hodnoty BMD. Vlastní testování bylo realizováno v programovacím prostředí Matlab®, a to na vytvořené pacientské databázi obsahující lumbální část páteře pro celkově 12 pacientů. Následující sekce této práce obsahují popis problematiky stanovování kostní denzity, segmentačních a klasifikačních metod a popis vlastní realizace.
|
|
|
Segmentace obrazu pomocí GPU
Bravenec, Tomáš ; Mego, Roman (oponent) ; Frýza, Tomáš (vedoucí práce)
Bakalářská práce je zaměřena na využití potenciálu grafických karet v oblasti paralelního zpracování dat, přesněji na zpracování obrazu. Zabývá se určením rozdílu v rychlosti zpracování pomocí grafické karty a běžného přístupu pomocí procesoru. Práce se dále zabývá snímáním obrazu pomocí webkamery.
|
|
|
Využití fuzzy množin ve shlukové analýze se zaměřením na metodu Fuzzy C-means Clustering
Camara, Assa ; Popela, Pavel (oponent) ; Žák, Libor (vedoucí práce)
Táto práca sa zaoberá zhlukovou analýzou, a podrobnejšie zhlukovacími metódami, ktoré používajú fuzzy množiny. V teoretickej časti sú popísané zhlukovacie metódy a transformácie potrebné na zhlukovú analýzu. V praktickej časti aplikujeme na reálne dáta. Tieto dáta predstavujú vstupné dáta z chemicko-transportného modelu CMAQ, ktorý sa používa na získanie výpočtu koncentrácii znečisťujúcich látok v atmosfére. Na tieto dáta aplikujeme dve rôzne metódy, metódu k-means a fuzzy c-means. Pre metódu fuzzy c-means porovnáva dva rôzne prístupy k zvoleniu optimálneho váhového exponentu. Porovnali sme takto vytvorené 3 zhlukovacie štruktúry. Výsledné zhluky si boli podobné a však metóda fuzzy c- means s vyššiu hodnotou váhového exponentu vytvorila zhluky, ktoré nemali žiadnu podobnosť so zhlukovanými veličinami. V závere sme vytvorili regresný model na nájdenie vzťahu medzi vstupnými a výstupnými dátami modelu CMAQ.
|
|
| |
|
|
Numerické metody pro klasifikaci metagenomických dat
Vaněčková, Tereza ; Sedlář, Karel (oponent) ; Škutková, Helena (vedoucí práce)
Tato práce se zabývá metagenomikou a výpočetními metodami využívanými pro zpracování metagenomu. Literární rešerše metod nevyžadujících zarovnání ukázala, že metody založené na studiu taxonomicky specifických četností nukleotidových slov se jeví jako vhodný a dostatečně účinný nástroj pro zpracování metagenomických čtení sekvenačních technologií nové generace. Pro vyhodnocení potenciálu těchto metod byly testovány vybrané příznaky založené na studiu četností nukleotidových slov na sadě simulovaných metagenomických čtení. Analýza byla provedena pro různou délku slov a vyhodnocena s ohledem na úspěšnost klasifikace pomocí hierarchického shlukování v originálním datovém prostoru a K-means shlukování v redukovaném datovém prostoru.
|
|
|
Kombinatorické optimalizační úlohy v odpadovém hospodářství
Michalová, Jitka ; Šeda, Miloš (oponent) ; Kůdela, Jakub (vedoucí práce)
Tato diplomová práce je zaměřena na tvorbu optimalizačního modelu pro rozmisťování kontejnerů na sběrný odpad. První část práce tvoří úvod do optimalizace, popisuje metody nejčastěji používané k řešení optimalizačních úloh a obsahuje seznam přístupů a metod nejčastěji používaných v odpadovém hospodářství. Další část se zabývá tvorbou binární úlohy celočíselného programování, její aplikací na reálná data a porovnáním softwarů MATLAB a ILOG CPLEX. Jako poslední jsou představeny metody hierarchického shlukování a kmeans, které jsou pak aplikovány na konkrétní úlohy velkých rozměrů.
|
|
|
Simultanneous EEG-FMRI Data Fusion with Generalized Spectral Patterns
Labounek, René ; Havlíček, Martin (oponent) ; Hlinka, Jaroslav (oponent) ; Jan, Jiří (vedoucí práce)
Lots of different data fusion strategies have been developed during last 15 years of simultaneous EEG-fMRI research. The current doctoral thesis summarizes the actual state of the art in EEG-fMRI data fusion research and puts a goal to improve task-related network visualizations blindly directly from the acquired data. Two different models which should improve it have been proposed within the thesis (i.e. generalized spectral heuristic model and generalized spatiospectral heuristic model). Generalized spectral heuristic model utilizes relative EEG power fluctuations in distinct frequency bands averaged over electrodes of interest and compares the fluctuations with delayed BOLD signal fluctuations via general liner model. The obtained results shows that the model visualizes several different frequency dependent task-related EEG-fMRI networks. The model overcomes the absolute power fluctuation approach and classic heuristic approach too. The absolute power visualized a task-not-related broadband EEG-fMRI component and classic heuristic model was insensitive to visualize the task-related visual network which was observed for the relative -band pattern for visual oddball task data. For the semantic decision task EEG-fMRI data, the frequency dependence was not so evident in final results. Since all the bands visualized only visual network and any areas of speech network, the results were possibly corrupted by not-suppressed eye-blinking artifact in EEG data. Mutual information coefficients between different EEG-fMRI statistical parametric maps showed that the similarities over different frequency bands are similar over different tasks (i.e. visual oddball and semantic decision). More, the coefficients proved that averaging over different electrodes of interest does not bring any new information into the joint analysis, i.e. the signal on one single lead is very smoothed signal from the whole scalp. For that reasons, better incorporation of the channel information into the EEG-fMRI analysis started to be necessary and we have proposed more general spatiospectral heuristic model and designed how to estimate the model with spatiospectral Group Independent Component Analysis of EEG spectra relative power. The obtained results show that spatiospectral heuristic model visualizes the statistically most significant task-related networks (compared to absolute power spatiospectral pattern results and generalized spectral heuristic model results). The spatiospectral heuristic model was the only one, which observed task-related activations in a speech areas for semantic decision data. Beyond the fusion of EEG spatiospectral patterns with fMRI data, we have tested the stability of the spatiospectral pattern estimates over different paradigms (i.e. visual oddball, semantic decision and resting-state) with k-means clustering algorithm. We have got 14 stable patterns for the absolute EEG power and 12 stable patterns for the relative EEG power. Although ten of the patterns appear similar over the power types, the relative power spatiospectral patterns (i.e. spatiospectral heuristic model patterns) have higher evidence to tasks.
|
|
|
Použití hlubokých neuronových sítí pro sumarizaci videa
Matějek, Libor ; Slanina, Martin (oponent) ; Frýza, Tomáš (vedoucí práce)
Práce se zabývá strojovým učením a aplikací v oblasti sumarizace videí. Sumarizace videa je oblastí zabývající se redukcí redundantních snímků ve videu. Práce obsahuje základní seznámení s neuronovými sítěmi a souvisejících dat. Dále popisuje základní architektury neuronových sítí. Nejvíce je kladen důraz na konvoluční neuronové sítě, které jsou v oblasti zpracování obrazu stěžejní. Dalšímu přiblížení podléhá matematická vektorová redukce PCA a popis euklidovské vzdálenosti. Teoretickou část uzavírají informace o K Means clusteringu. Implementace je poté realizována za pomocí frameworku Tensorflow s API od Keras.
|
|
|
Kombinatorické optimalizační úlohy v odpadovém hospodářství
Michalová, Jitka ; Šeda, Miloš (oponent) ; Kůdela, Jakub (vedoucí práce)
Tato diplomová práce je zaměřena na tvorbu optimalizačního modelu pro rozmisťování kontejnerů na sběrný odpad. První část práce tvoří úvod do optimalizace, popisuje metody nejčastěji používané k řešení optimalizačních úloh a obsahuje seznam přístupů a metod nejčastěji používaných v odpadovém hospodářství. Další část se zabývá tvorbou binární úlohy celočíselného programování, její aplikací na reálná data a porovnáním softwarů MATLAB a ILOG CPLEX. Jako poslední jsou představeny metody hierarchického shlukování a kmeans, které jsou pak aplikovány na konkrétní úlohy velkých rozměrů.
|
|
|
Využití fuzzy množin ve shlukové analýze se zaměřením na metodu Fuzzy C-means Clustering
Camara, Assa ; Popela, Pavel (oponent) ; Žák, Libor (vedoucí práce)
Táto práca sa zaoberá zhlukovou analýzou, a podrobnejšie zhlukovacími metódami, ktoré používajú fuzzy množiny. V teoretickej časti sú popísané zhlukovacie metódy a transformácie potrebné na zhlukovú analýzu. V praktickej časti aplikujeme na reálne dáta. Tieto dáta predstavujú vstupné dáta z chemicko-transportného modelu CMAQ, ktorý sa používa na získanie výpočtu koncentrácii znečisťujúcich látok v atmosfére. Na tieto dáta aplikujeme dve rôzne metódy, metódu k-means a fuzzy c-means. Pre metódu fuzzy c-means porovnáva dva rôzne prístupy k zvoleniu optimálneho váhového exponentu. Porovnali sme takto vytvorené 3 zhlukovacie štruktúry. Výsledné zhluky si boli podobné a však metóda fuzzy c- means s vyššiu hodnotou váhového exponentu vytvorila zhluky, ktoré nemali žiadnu podobnosť so zhlukovanými veličinami. V závere sme vytvorili regresný model na nájdenie vzťahu medzi vstupnými a výstupnými dátami modelu CMAQ.
|
host ::
RSS.