|
| |
|
|
Deep Learning Model Uncertainty in Medical Image Analysis
Drevický, Dušan ; Kolář, Martin (oponent) ; Kodym, Oldřich (vedoucí práce)
This thesis deals with quantifying uncertainty in the predictions of deep learning models. While they achieve state of the art results in many areas of computer vision, their outputs are usually deterministic and provide by themselves little information about how certain the model is about its prediction. This is important especially in the domain of medical image analysis where mistakes are costly and the ability to filter uncertain predictions would allow a supervising physician to review the relevant cases. This work applies several different uncertainty measures developed in recent research to deep learning models trained on a cephalometric landmark localization task. They are then evaluated and compared in a set of experiments which aim to determine whether each of the uncertainty measures provides us with useful information about the model's confidence in its predictions.
|
|
|
Deep Learning Model Uncertainty in Medical Image Analysis
Drevický, Dušan ; Kolář, Martin (oponent) ; Kodym, Oldřich (vedoucí práce)
This thesis deals with quantifying uncertainty in the predictions of deep learning models. While they achieve state of the art results in many areas of computer vision, their outputs are usually deterministic and provide by themselves little information about how certain the model is about its prediction. This is important especially in the domain of medical image analysis where mistakes are costly and the ability to filter uncertain predictions would allow a supervising physician to review the relevant cases. This work applies several different uncertainty measures developed in recent research to deep learning models trained on a cephalometric landmark localization task. They are then evaluated and compared in a set of experiments which aim to determine whether each of the uncertainty measures provides us with useful information about the model's confidence in its predictions.
|
|
| |
|
|
Fixing of Facial Triangle Meshes
Nekvinda, Tomáš ; Pelikán, Josef (vedoucí práce) ; Krajíček, Václav (oponent)
Hlavním cílem této práce je navržení algoritmu pro automatické čištění a ořezávání obličejových skenů. Za tímto účelem jsme vyvinuli algoritmus, který sestává ze tří hlavních částí. Jednou z těchto částí je nový algoritmus pro detekci obličejových landmarků, který je založený na poznatcích diskrétní diferenciální geometrie a na metodách strojového učení. Další část se zabývá rozpoznáváním a odstraňováním geometrických a topologických defektů. Poslední část si klade za cíl vyplňování děr v trojúhelníkových sítích, k čemuž je využíváno vylepšení jistého stávajícího algoritmu. Výsledkem této práce je program, který dokáže automaticky ořezávat a odstraňovat typické nedostatky obličejových skenů. Navíc dokáže detekovat sadu výrazných obličejových bodů -- špičku a kořen nosu, ústní a vnitřní oční koutky. Při testování se ukázalo, že si program dokáže bez potíží poradit s daty produkovanými optickým skenerem Vectra3D.
|
host ::
RSS.