Klasifikace mozkové obrny na základě vyhodnocení videosekvencí

Abstract

Tato práce se zabývá detekcí mozkové obrny u předčasně narozených dětí. Mozková obrna je vzácné leč závažné onemocnění, které se vyskytuje častěji u předčasně narozených dětí. Cílem této práce bylo navrhnout algoritmus, který detekuje mozkovou obrnu na základě videosekvencí. Prvním krokem je segmentace obrazu. Mezi metody segmentace obrazu patří hranová detekce, odečítání obrazu, barevná segmentace a jiné. V práci jsou tyto metody porovnány s ohledem k použití v našem konkrétním případě. Dále následuje výroba modelu. Model sleduje pohyb dítěte a tudíž poskytuje stejná data jako kdybych dítě pozorovali a zaznamenávali jeho pohyb. Data z modelu jsou předložena klasifikačnímu rámci, který je zpracuje a následně rozhodne, jestli je dítě zdravé nebo nemocné.

This paper is concerning a detection of cerebral palsy in infants. The cerebral palsy is a rare but severe impairment that occurs more frequently in preterm infants. This paper describes an algorithm that we used to detect the cerebral palsy based on video sequences, more specifically compares the methods of image segmentation such as edge detection, frame subtraction and color?based segmentation and their suitability in this matter. The next stage is the creation of the model that describes the movements of the infant. This model provides us with the same data as if we observe the infant and tract its movements. The data from the model are then fed to a classification framework and processed. The framework's output tells us if the infant is healthy orát?risk?.