Implementace modelu hlubokého učení pro segmentaci páteřních nádorů u pacientů s mnohočetným myelomem v CT datech

Simple item page
but.committeeprof. Ing. Martin Černý, Ph.D. (předseda) doc. Ing. Radim Kolář, Ph.D. (místopředseda) Ing. Oto Janoušek, Ph.D. (člen) Ing. Jiří Sekora, MBA (člen) Ing. Petr Walek, Ph.D. (člen) Ing. Martin Lamoš, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Prof. Černý se doptal, proč byla použita FNR metrika. Ing. Walek se doptal na variabilitu modelů. Co vše jste zkoušel pro zvýšení úspěšnosti modelů. Zkoušel jste nějaké metody augmentace? Ing. Janoušek se zeptal, zda-li jsou nějaké veřejně dostupné databáze, na kterých by bylo možné modely otestovat. Ing. Walek se doptal na učení modelu na jednotlivých obratlech. Komise dospěla k závěru, že se nejednalo o plagiátorství, ale o pochybení. Student obhájil diplomovou práci s výhradami a odpověděl na otázky členů komise a oponenta.cs
but.jazykangličtina (English)
but.programBioinženýrstvícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorNohel, Michalen
dc.contributor.authorGálík, Pavelen
dc.contributor.refereeChmelík, Jiříen
dc.date.created2024cs
dc.description.abstractTato diplomová práce se zabývá implementací modelu hlubokého učení pro segmentaci páteřních nádorů pacientů s mnohočetným myelomem v CT datech. Práce seznamuje čtenáře s anatomií páteře, tématem mnohočetného myelomu a principy CT zobrazování. Hluboké učení se stává důležitou součástí vývoje počítačem podporovaných systémů detekce a diagnostiky, práce uvádí různé modely hlubokého učení pro segmentaci obrazu a pro segmentaci nádorů páteře byl implementován model nnU-Net.en
dc.description.abstractThis master thesis deals with the implementation of a deep learning model for spinal tumor segmentation of multiple myeloma patients in CT data. The thesis introduces readers to the anatomy of the spine, the topic of multiple myeloma, and the principles of CT imaging. The deep learning is becoming an important part of developing computer-aided detection and diagnosis systems. The thesis introduces various deep-learning models for image segmentation, and the nnU-Net model was implemented for spinal tumor segmentation.cs
dc.description.markDcs
dc.identifier.citationGÁLÍK, P. Implementace modelu hlubokého učení pro segmentaci páteřních nádorů u pacientů s mnohočetným myelomem v CT datech [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.cs
dc.identifier.other159779cs
dc.identifier.urihttp://hdl.handle.net/11012/247174
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectMnohočetný myelomen
dc.subjectvýpočetní tomografieen
dc.subjectdeep learningen
dc.subjectnnU-Neten
dc.subjectsegmentaceen
dc.subjectMultiple myelomacs
dc.subjectcomputed tomographycs
dc.subjectdeep learningcs
dc.subjectnnU-Netcs
dc.subjectsegmentationcs
dc.titleImplementace modelu hlubokého učení pro segmentaci páteřních nádorů u pacientů s mnohočetným myelomem v CT datechen
dc.title.alternativeImplementation of a deep learning model for spinal tumor segmentation of multiple myeloma patients in CT datacs
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2024-06-11cs
dcterms.modified2024-06-11-15:19:38cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid159779en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:42:28en
sync.item.modts2025.01.15 16:30:20en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
32.67 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
5.76 KB
Format:
Unknown data format
Description:
file appendix-1.zip
Download
Thumbnail Image
Name:
review_159779.html
Size:
9.86 KB
Format:
Hypertext Markup Language
Description:
file review_159779.html
Download
Collections
2024