Využití strojového učení pro generování medicínských obrazů

Abstract

Tato práce se zabývá využitím generativních soutěživých sítí pro generování medicínských obrazů. Nejdříve jsou popsány umělé neuronové sítě se zaměřením na konvoluční neuronové sítě a generativní soutěživé sítě. Je vypracována rešerše na využití generativních soutěživých sítí v medicíně a jsou blíže popsány vybrané publikace na téma syntézy medicínských obrazů. V programovém prostředí Python je implementován model hluboce konvoluční generativní soutěživé sítě pro generování syntetických obrazů kožních lézí a model „pix2pix“ pro tři aplikace. První aplikací modelu „pix2pix“ je generování obrazů kožních lézí, druhou je generování CT obrazů axiálních řezů páteře a poslední aplikací je generování CT obrazů sagitálních řezů páteře. Na závěr jsou prezentovány a diskutovány výsledky generování medicínských obrazů pomocí generativních soutěživých sítí.This thesis deals with the use of generative adversarial networks for the synthesis of medical images. Firstly, artificial neural networks are described with a focus on convolutional neural networks and generative adversarial networks. Applications of generative adversarial networks in medicine are reviewed, and selected publications on the topic of medical image synthesis are described in more detail. Furthermore, multiple models of generative adversarial networks are designed and implemented in the Python programming language. First is a model of the deep convolutional generative adversarial network and the model „pix2pix“ for the generation of skin lesion images. Moreover, the „pix2pix“ model is used for the generation of both axial and sagittal CT images of the spine. Finally, the results of generating medical images using generative adversarial networks are presented and discussed.