Browse
Recent Submissions
Now showing 1 - 5 of 36
- ItemInovace sítí typu enkodér-dekodér pro segmentaci lékařských obrazů(Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, ) Kolařík, Martin; Burget, Radim; Ometov, Aleksandr; Dostál, OttoSegmentace lékařských obrazů, proces značení každého pixelu v obraze za účelem rozlišení různých struktur, je klíčovým krokem pro automatizovanou přesnou identifikaci a analýzu anatomických rysů a patologických oblastí v dvojrozměrných a trojrozměrných lékařských obrazech. Navzdory pokrokům, které v posledních letech přinesla umělá inteligence a strojové učení, výzvy jako variabilita dat, výpočetní omezení, nevyváženost tříd a omezená dostupnost anotovaných datových sad nadále omezují přesnost a spolehlivost modelů segmentace v lékařských aplikacích. Tato disertační práce se těmto výzvám věnuje vývojem nových přístupů, které zahrnují vylepšení architektur segmentačních neuronových sítí a inovativní tréninkové metody. Navrhovaná vylepšení neuronových sítí typu enkodér-dekodér prokázaly významné zlepšení výkonu segmentace jak u 2D, tak u 3D lékařských obrazů. Výzkum se rovněž zabývá pokročilými tréninkovými metodami, jako je přenesené učení a techniky normalizace, a ukazuje, jak tyto strategie mohou zlepšit výkon modelů, zejména v prostředích s omezenými daty a zdroji. Vytvořením nových architektur neuronových sítí typu enkodér-dekodér a aplikací pokročilých tréninkových metod představený výzkum demonstruje významná zlepšení přesnosti a efektivity segmentace. Zjištění ukazují, že tyto inovace nejenže řeší specifické výzvy spojené s daty lékařských obrazů, ale také překonávají propast mezi modely segmentace určenými pro obecné účely a těmi zaměřenými na specifické potřeby lékařských obrazů. Tím, že tato disertační práce přináší inovace do návrhů a procesu tréninku segmentačních modelů, tak přispívá k přesnějším diagnostickým nástrojům a nepřímo lepší péči o pacienty. Tyto pokroky mohou být navíc aplikovány v různých modalitách lékařských obrazů, čímž se rozšiřuje záběr výzkumu a jeho relevance pro různé oblasti zdravotní péče.
- ItemVÝZKUM NADZVUKOVÉHO PROUDĚNÍ NA POMEZÍ MECHANIKY KONTINUA(Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, ) Šabacká, Pavla; Maxa, Jiří; Uruba, Václav; Koňas, PetrTato práce se zabývá výzkumem v oblasti nadzvukového proudění v dýze za podmínek nízkého tlaku na pomezí mechaniky kontinua. Tento jev je běžný například v diferenciálně čerpané komoře Environmentálního rastrovacího elektronového mikroskopu (EREM), která odděluje dvě oblasti s významným tlakovým gradientem pomocí clonky. Tvar dýzy a řízení toku v této oblasti mohou významně ovlivnit rozptyl a ztrátu primárního elektronového svazku procházejícího diferenciálně čerpanou komorou a clonkou. Pro tyto účely byla zkonstruována experimentální komora pro výzkum aspektů dané oblasti nízkých tlaků s rozdílným poměrem setrvačných a vazkých sil. V prvním kroku byl za pomoci teorie jednorozměrového isoentropického proudění navržen ve 3D objemovém modeláři první tvar experimentální komory a provedeny první matematicko-fyzikální analýzy proudění u předpokládaného tlakového spádu, ze kterých byly stanoveny vhodné rozsahy tlakových sensorů pro minimalizaci chyby měření. První experimentální výsledky získané z vyrobené experimentální komory byly použity pro další odladění systému Ansys Fluent a v této kombinaci byly provedeny první analýzy nadzvukového proudění a rázových vln v nízkých tlacích. V dalším kroku byla na odladěném matematicko-fyzikálním modelu provedena analýza vlivu drsnosti povrchu na výsledné chování toku v nízkých tlacích.
- ItemKomplexní architektury neuronových sítí pro efektivní generalizaci nestrukturovaných dat(Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, ) Mezina, Anzhelika; Burget, Radim; Dostál, Otto; Vozňák, MiroslavUmělá inteligence způsobila revoluci v odvětvích, jako je zpracování obrazu, zpracování přirozeného jazyka a analýza dat. Nedávné pokroky také významně ovlivnily lékařské zobrazování tím, že algoritmy umělé inteligence dokázaly s velkou přesností odhalit nemoci, jako je rakovina z rentgenových snímků, což urychlilo diagnostiku a zlepšilo výsledky léčby. Stále však existuje zásadní problém: neschopnost efektivně se učit z omezených zdrojů dat, zejména v lékařském výzkumu, kde jsou běžné anomálie a dříve nezaznamenané případy. Tato práce zkoumá využití neuronových sítí ve dvou vzájemně propojených oblastech budoucích inteligentních systémů: lékařském výzkumu a telekomunikacích. Zkoumá použití komplexních neuronových sítí s malým množstvím lékařských dat a vývoj neuronových sítí pro analýzu telekomunikačních sítí. Hlavním přínosem práce je návrh architektur komplexních neuronových sítí schopných efektivnějšího učení i z omezených zdrojů dat. Tato studie se zaměřuje na efektivitu a schopnost zobecnění NN a metod strojového učení (ML) při práci s malými soubory dat. Zabývá se také výzvami při použití NN předem natrénovaných na velkých souborech dat a následně doladěných. Dále zkoumá přizpůsobivost těchto metod pro integraci do rozhodovacích systémů a zdůrazňuje jejich potenciál pro praktické aplikace. K vyhodnocení přesnosti predikce navržených architektur NN byly použity dva reálné scénáře. V prvním scénáři jsou komplexní NN využity k posouzení účinnosti léčby kortikosteroidy u pacientů v nemocničním prostředí. Výsledky ukazují, že navržený přístup umožňuje dosáhnout přesnosti 80%. Jedná se o první práci v této oblasti výzkumu. Druhý scénář zahrnuje vývoj architektur neuronových sítí k analýze síťového provozu, konkrétně se zaměřením na identifikaci potenciálních kybernetických incidentů a monitorování provozu darknetu. Na rozdíl od jiných přístupů byly v navrhovaných přístupech použity principy sémantické segmentace, které jsou přizpůsobeny pro analýzu síťového provozu. Výsledkem je, že navržené metodiky překonávají nejmodernější přístupy.
- ItemBayesovská identifikace prostřednictvím zobecněných metod nejmenších čtverců: aplikace na lineární pohony(Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, ) Friml, Dominik; Václavek, Pavel; Hofreiter,, Milan; Straka, OndřejTato dizertační práce nachází novou formulaci modelu lineárního motoru s permanentními magnety ve tvaru problému s chybami v proměnných. Odvozuje identifikační metody, které kvantifikují nejistotu identifikovaných parametrů pomocí bayesovských přístupů. Studie nabízí alternativu ke klasickým metodám nejmenších čtverců, přičemž hlavním přínosem je bayesovský algoritmus obecných nejmenších totálních čtverců. Jedná se o algoritmus pro identifikaci problémů s chybou v proměnných s libovolnými kovariančními maticemi šumu. Vhodné aproximace umožňují získat odhad maxima posteriorní distribuce pomocí existujících algoritmů, což umožňuje okamžité použití v mnoha praktických problémech. Analytická rovnice poskytuje normální aproximaci posteriorní distribuce, která obsahuje informaci o nejistotě parametrů, čehož může být využito v pokročilých diagnostických a řídicích metodách. V rámci analýzy vláštního případu bayesovských obechných nejmenších totálních čtverců je odhalena dříve nepoznaná souvislost se směrovou statistikou. Navrhované algoritmy jsou aplikovány pro rekurzivní identifikaci parametrů lineárního motoru s permanentními magnety, podporující průběžnou aktualizaci parametrů. V rámci práce je odvozeno pět algoritmů, jejich rychlá konvergence a využitelnost je demonstrována prostřednictvím numerické analýzy. Praktická použitelnost a různé využití výsledků jsou ilustrovány prostřednictvím numerických i experimentálních testů.
- ItemBezpečnost optických vláknových infrastruktur(Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií, ) Tomašov, Adrián; Horváth, Tomáš; Prekratic, Marija Furdek; Schmauss, BernhardTáto dizertačná práca sa zaoberá pokročilé techniky senzoriky vláknových optík, zamerané na detekciu neoprávnených manipulácií a zlepšenie ochrany perimetra. Výskum integruje distribuované akustické snímanie (DAS) s modernými algoritmami strojového učenia na zlepšenie detekcie anomálií a klasifikácie udalostí v okolí vlákien. Analyzovaním stavu polarizácie a ďalších prenášaných vlastností svetla štúdia vyvíja robustné metódy na identifikáciu rušení spôsobenými vonkajšími silami, ako sú fyzické interakcie alebo akustické vibrácie. Prostredníctvom rozsiahlych experimentov a analýzy údajov dizertačná práca dokazuje účinnosť kombinácie tradičných techník senzoriky vláknových optík s najmodernejšími dátovými analytikami, čím poskytuje významné zlepšenia v citlivosti a presnosti. Výsledky zdôrazňujú potenciál týchto integrovaných systémov pri ochrane kritických infraštruktúr a citlivých oblastí, čím otvárajú cestu bezpečnejším a spoľahlivejším bezpečnostným systémom v stále viac prepojenejšom svete.