Segmentace objemových radiologických snímků pomocí hlubokých neuronových sítí
Deep Neural Network-Based Segmentation of Volumetric Radiological Images
Typ dokumentu
diplomová prácemaster thesis
Autor
Matyáš Turek
Vedoucí práce
Benešová Vanda
Oponent práce
Surynek Pavel
Studijní obor
Znalostní inženýrstvíStudijní program
InformatikaInstituce přidělující hodnost
katedra aplikované matematikyPráva
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
Tato práce se zabývá segmentací lézí hypoxicko-ischemické encefalopatie u novorozenců v MRI snímcích s využitím hlubokých neurnonových sítí. Práce prozkoumává a implementuje různé přístupy, jako například super resolution a syntéza dat k dosažení přesnější segmentace na datasetu BONBID-HIE. V rámci práce jsme implementovali funkční pipeline pro vytvoření super resolution 3D MRI snímků, pipeline pro vytvoření syntetických lézí, které se dále vkládali do snímků z datasetu a také segmentační pipeline. Výsledky byly diskutovány a porovnány. This thesis deals with lesion segmentation of hypoxic-ischemic encephalopathy in neonatal MRI images using deep neural networks. The work explores and implements various approaches such as super resolution and data synthesis to achieve more accurate segmentation on the BONBID-HIE dataset. As part of this work, we implemented a functional pipeline for creating super resolution 3D MRI images, a pipeline for creating synthetic lesions that were further inpainted into the dataset images, and a segmentation pipeline. The results were discussed and compared.
Kolekce
- Diplomové práce - 18105 [235]