Nástroj pro hodnocení stability MRI pomocí kulového fantomu

Abstract

Tato diplomová práce se zaměřuje na návrh a implementaci nástroje pro hodnocení stability MRI systémů prostřednictvím opakovaných měření kulového fantomu. V prostředí MATLAB byl vyvinut softwarový nástroj, který zahrnuje algoritmy pro segmentaci MRI obrazů pomocí level-set metod, analýzu geometrických a intenzitních parametrů fantomu a vizualizaci výsledků. Klíčovou částí práce je robustní segmentační algoritmus, který dokáže přesně detekovat hranice fantomu i v přítomnosti šumu a artefaktů, což umožňuje přesné hodnocení parametrů jako je sféricita, objem a homogenita. Nástroj byl testován na reálných MRI datech z T1 a T2 vážených i difuzních sekvencí, přičemž výsledky ukázaly vysokou spolehlivost segmentace a přesnost měření. Součástí práce je také návrh konstrukce fantomu pro difuzní MRI, včetně volby vhodných materiálů a optimalizace pro snadnou reprodukovatelnost. Vyvinutý nástroj podporuje jak 3D, tak 4D data a nabízí intuitivní uživatelské rozhraní. Práce přispívá k zajištění kvality a stability MRI a podporuje její širší využití v klinické praxi i výzkumu.

This thesis focuses on the design and implementation of a tool for evaluating MRI system stability through repeated measurements of a spherical phantom. A software tool was developed in MATLAB, incorporating algorithms for MRI image segmentation based on level-set methods, analysis of the phantom's geometric and intensity parameters, and result visualization. The key component of the work is a robust segmentation algorithm capable of precisely detecting phantom boundaries even in the presence of noise and artifacts, enabling accurate assessment of parameters such as sphericity, volume, and homogeneity. The tool was tested on real MRI data from T1-weighted, T2-weighted, and diffusion sequences, with results showing high segmentation reliability and measurement accuracy. The work also includes the design of a diffusion MRI phantom, addressing the selection of suitable materials and optimizing its construction for easy reproducibility. The developed tool supports both 3D and 4D data and offers an intuitive user interface. This work contributes to ensuring the quality and stability of MRI and supports its broader application in clinical practice and research.