Algoritmus pro segmentaci mozkomíšních struktur ve 2D a 3D
Algorithm for segmentation of cerebrospinal structures in 2D and 3D
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Matěj Kudrna
Vedoucí práce
Kudrna Petr
Oponent práce
Kubíček Jan
Studijní obor
Biomedicínský technikStudijní program
Biomedicínská a klinická technikaInstituce přidělující hodnost
katedra biomedicínské technikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Změna různých struktur mozku může indikovat počátek či rozvoj neurologického onemocnění. Úbytek šedé hmoty míšní je běžný v populaci pacientů trpících roztroušenou sklerózou. Úbytek může predikovat postup onemocnění. K segmentaci šedé hmoty z řezů míchou bylo použito konvoluční neuronové sítě. Konvoluční síť určila plochu šedé hmoty s přesností 90 %. K segmentaci šedé hmoty na úrovni subpixelů byly vytvořeny funkce v prostředí Matlab. Zpětná rekonstrukce do 3D byla provedena programem Scanview.cz. Přesnost celého řešení byla určena z rozdílu obsahů a objemů zpětně rekonstruovaných snímků a snímků segmentovaných ručně. Použité řešení by mohlo najít uplatnění ve studiích zabývajících se výzkumem mozkových struktur. Vytvořenou konvoluční síť a subpixelovou segmentaci by bylo možné použít pro zobrazení jiných struktur, pokud bychom k tréninku sítě použili snímky těchto struktur. Changes in different brain structures can indicate the rise and progression of neurological disease. Grey matter loss in the spinal cord is typical in a population of patients suffering from multiple sclerosis. Grey matter loss can predict the progress of MS. Segmentation of grey matter was done by a convolutional neural network. The precision of CNN was 90 %. For subpixel segmentation, original functions were developed using the Matlab software. 3D reconstruction was done using the Scan-View.cz. software. Overall accuracy was calculated from the differences in volume from comparing reconstructed images segmented by hand versus segmented by software. This software can prove itself usefull in neurological studies to segment large sets of data. The results of software training may vary based on different entry dataset structures.
Kolekce
- Bakalářské práce - 17110 [869]