Segmentace a analýza míšních nervových kořenů v MR obrazových datech

Abstract

Tato diplomová práce se zabývá využitím konvolučních neuronových sítí pro segmentaci míšních kořenů z dat z magnetické rezonance a analýzou korespondence míšních a obratlových úrovní. Teoretická část se zabývá anatomií míchy a míšních kořenů, korespondencí mezi míšními a obratlovými úrovněmi, základními principy MR sekvencí a segmentačními technikami, které využívají hlubokého učení. Praktická část se zaměřuje na předzpracování dat, implementaci několika modelů (s postupným přidáváním kontrastů do trénování) a porovnáním jejich úspěšnosti oproti dostupnému modelu pro segmentaci míšních kořenů. Dalším zaměřením praktické části je analýza korespondence mezi míšními a obratlovými úrovněmi pomocí regresní analýzy, výpočtů středních kvadratických odchylek a Bland-Altmanovy analýzy. Výsledky analýz jsou porovnány vůči publikovaným výsledkům.

This master's thesis deals with using convolutional neural networks for spinal rootlets segmentation from Magnetic Resonance Imaging data and analysing the correspondence between spinal and vertebral levels. The theoretical part covers the anatomy of the spinal cord and spinal rootlets, the correspondence between spinal and vertebral levels, the basic principles of MRI sequences, and segmentation techniques that use deep learning. The practical part focuses on data preprocessing, implementation of several models (with the addition of contrasts to the training) and comparing their performance against the available model for spinal rootlets segmentation. Another focus of the practical part is the analysis of the correspondence between spinal and vertebral levels using regression analysis, root mean square error calculations, and Bland-Altman analysis. The results of the studies are compared with previously published results.