|
|
Automatická detekce mikrokalcifikací v mamografických snímcích
Hývlová, Denisa ; Jakubíček, Roman (oponent) ; Harabiš, Vratislav (vedoucí práce)
Tato bakalářská práce se zabývá detekcí mikrokalcifikací v mamografických snímcích. V úvodu je rozebrána souvislost jejich přítomnosti se vznikem rakoviny prsu, princip mamografie a standard DICOM využívaný v radiologii. Následně jsou přiblíženy metody používané pro zvýraznění a segmentaci mikrokalcifikací. V prostředí MATLAB byl navržen algoritmus detekce založený na vlnkové transformaci, morfologickém uzavření a prahování. Pro zhodnocení výsledků detekce bylo vytvořeno grafické uživatelské rozhraní a algoritmus umožňující automatické vyhodnocení úspěšnosti detekce na databázi snímků s anotacemi.
|
|
|
Automatická detekce mikrokalcifikací v mamografických snímcích
Hývlová, Denisa ; Jakubíček, Roman (oponent) ; Harabiš, Vratislav (vedoucí práce)
Tato bakalářská práce se zabývá detekcí mikrokalcifikací v mamografických snímcích. V úvodu je rozebrána souvislost jejich přítomnosti se vznikem rakoviny prsu, princip mamografie a standard DICOM využívaný v radiologii. Následně jsou přiblíženy metody používané pro zvýraznění a segmentaci mikrokalcifikací. V prostředí MATLAB byl navržen algoritmus detekce založený na vlnkové transformaci, morfologickém uzavření a prahování. Pro zhodnocení výsledků detekce bylo vytvořeno grafické uživatelské rozhraní a algoritmus umožňující automatické vyhodnocení úspěšnosti detekce na databázi snímků s anotacemi.
|
|
|
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...
|
host ::
RSS.