|
|
Segmentation of brain tumours in MRI images using deep learning
Ustsinau, Usevalad ; Odstrčilík, Jan (referee) ; Chmelík, Jiří (advisor)
The following master's thesis paper equipped with a short description of CT scans and MR images and the main differences between them, explanation of the structure of convolutional neural networks and how they implemented into biomedical image analysis, besides it was taken a popular modification of U-Net and tested on two loss-functions. As far as segmentation quality plays a highly important role for doctors, in experiment part it was paid significant attention to training quality and prediction results of the model. The experiment has shown the effectiveness of the provided algorithm and performed 100 training cases with the following analysis through the similarity. The proposed outcome gives us certain ideas for future improving the quality of image segmentation via deep learning techniques.
|
|
|
Interactive Medical Image Segmentation
Olša, Martin ; Kršek, Přemysl (referee) ; Španěl, Michal (advisor)
This work deals with a fast level-set approach for segmentation of anatomical structures in volumetric medical images. The fast level-set method evolves a closed 3D surface in time propagating the surface form an initial position. The major contribution of this work is the implementation of the level-set method and construction of an interactive tool for segmentation of 3D medical data using this method. The tool is able to interactively change parameters of the evolution during the segmentation process itself. Due to the nature of level-set method, the evolution process can be stopped at any time, or backtracked and restarted from any previous step with a different configuration.
|
|
|
Vektorová segmentace objemových medicínských dat založená na Delaunay triangulaci
Španěl, Michal ; Martišek, Dalibor (referee) ; Sochor, Jiří (referee) ; Kršek, Přemysl (advisor)
Image segmentation plays an important role in medical image analysis. Many segmentation algorithms exist. Most of them produce data which are more or less not suitable for further surface extraction and anatomical modeling of human tissues. In this thesis, a novel segmentation technique based on the 3D Delaunay triangulation is proposed. A modified variational tetrahedral meshing approach is used to adapt a tetrahedral mesh to the underlying CT volumetric data, so that image edges are well approximated in the mesh. In order to classify tetrahedra into regions/tissues whose characteristics are similar, three different clustering schemes are presented. Finally, several methods for improving quality of the mesh and its adaptation to the image structure are also discussed.
|
|
|
Airway analysis of prematurely born babies based on X-ray CT and MRI scans
Lázňovský, Jakub ; Harabiš, Vratislav (referee) ; Chmelík, Jiří (advisor)
Předkládaná Diplomová práce se zabývá analýzou a tvorbou modelů dýchacích cest předčasně narozených dětí. Nejprve je položen teoretický základ v oblasti vývoje dýchacího ústrojí a tvorby modelů dýchacích cest. Poté jsou představeny využité zobrazovací modality a popsány metody pro práci s obrazovými daty. Praktická část práce se zabývá vytvořením modelů dýchacích cest tří novorozenců. Všechny tyto modely jsou vytvořeny na základě klinických CT a MRI dat novorozenců narozených ve 30. týdnu gestačního věku. U těchto vytvořených modelů jsou dále analyzovány vybrané parametry související s anatomickou strukturou dýchacích cest. Na základě analýzy těchto parametrů byl následně navrhnut reprezentativní model, odpovídající dýchacím cestám novorozence daného gestačního věku.
|
|
|
Brain Tumor Detection and Segmentation in Multisequence MRI
Dvořák, Pavel ; Přibil, Jiří (referee) ; Šprláková-Puková,, Andrea (referee) ; Smékal, Zdeněk (advisor)
Tato práce se zabývá detekcí a segmentací mozkového nádoru v multisekvenčních MR obrazech se zaměřením na gliomy vysokého a nízkého stupně malignity. Jsou zde pro tento účel navrženy tři metody. První metoda se zabývá detekcí prezence částí mozkového nádoru v axiálních a koronárních řezech. Jedná se o algoritmus založený na analýze symetrie při různých rozlišeních obrazu, který byl otestován na T1, T2, T1C a FLAIR obrazech. Druhá metoda se zabývá extrakcí oblasti celého mozkového nádoru, zahrnující oblast jádra tumoru a edému, ve FLAIR a T2 obrazech. Metoda je schopna extrahovat mozkový nádor z 2D i 3D obrazů. Je zde opět využita analýza symetrie, která je následována automatickým stanovením intenzitního prahu z nejvíce asymetrických částí. Třetí metoda je založena na predikci lokální struktury a je schopna segmentovat celou oblast nádoru, jeho jádro i jeho aktivní část. Metoda využívá faktu, že většina lékařských obrazů vykazuje vysokou podobnost intenzit sousedních pixelů a silnou korelaci mezi intenzitami v různých obrazových modalitách. Jedním ze způsobů, jak s touto korelací pracovat a používat ji, je využití lokálních obrazových polí. Podobná korelace existuje také mezi sousedními pixely v anotaci obrazu. Tento příznak byl využit v predikci lokální struktury při lokální anotaci polí. Jako klasifikační algoritmus je v této metodě použita konvoluční neuronová síť vzhledem k její známe schopnosti zacházet s korelací mezi příznaky. Všechny tři metody byly otestovány na veřejné databázi 254 multisekvenčních MR obrazech a byla dosáhnuta přesnost srovnatelná s nejmodernějšími metodami v mnohem kratším výpočetním čase (v řádu sekund při použitý CPU), což poskytuje možnost manuálních úprav při interaktivní segmetaci.
|
|
|
Vertex and Pixel Shaders OpenGL Visualisation of Medical 3D Image Data
Vaďura, Jiří ; Španěl, Michal (referee) ; Kršek, Přemysl (advisor)
This thesis deals with accelerated 3D rendering of medical data, e.g. computed tomography, using a graphics processor and OpenGL library. Raw data slices are send to graphic memory and rendered by a ray-casting algorithm. The goal of this project is high quality visual output and full user interaction at the same time. Multiple rendering modes are avaiable to the user: MIP, X-Ray simulation and realistic shading.
|
|
| |
|
|
Image Super-Resolution Using Deep Learning
Bublavý, Martin ; Juránková, Markéta (referee) ; Španěl, Michal (advisor)
The ability to identify and treat a variety of medical diseases is made possible by medical imaging, which is an essential component of contemporary healthcare. Yet, elements like noise and low resolution can have a negative impact on the quality of medical photographs. In this thesis, how to enhance the resolution and quality of medical images was investigated using MedSRGAN, a deep learning model built on generative adversarial networks (GANs). MedSRGAN was implemented and then applied to computed tomography (CT), one of the most utilized medical imaging methods.
|
|
|
Supporting processing of tomographic data for 3D Slicer
Dašek, Filip ; Harabiš, Vratislav (referee) ; Čmiel, Vratislav (advisor)
Thesis summarize available softwares for visualization and segmentation of medical data. Main focus is on open source software 3D Slicer, where all main modules and functions for processing and segmentation of 3D images are described. The reader is also acquaint with posibility to create new modules and function in Python. In practical part of thesis new modul is created. Modul is focused on fast and effective segmentation of heart and their parts by using watershed method. Part of the module are tools for preprocessing of CT images and automatic post-processing. GUI was implemented and created with QT designer. Thesis containts testing and presenting segmented data. Segmentation by presented modul generaly achieves better results then options offered by 3D Slicer. In the last part of thesis is presented proposal for usage of supporting funtions for fast and efective segmentation of heart and his parts.
|
|
|
Creation Of Prematurely Born Infant Airways Model Based On X-Ray Ct And Mri Scans
Lázňovský, Jakub
Proposed contribution deals with the creation of infants’ airway model, based on available clinical MRI and CT scans of newborns. For this purpose, an algorithm which extracts the airway geometry was developed. Resulting geometry is consequently transformed to the airway model in stereolithography format, suitable for further analysis. The algorithm was tested on the data which correspond to an infant born in 30 weeks of gestation and scanned 14 days after birth. Thus, the model corresponds to the 32 weeks old infant.
|
guest ::
