Metody hlubokého učení pro segmentaci cév a optického disku v oftalmologických sekvencích

Simple item page
but.committeedoc. Mgr. Ctirad Hofr, Ph.D. (předseda) Ing. Martin Mézl, Ph.D. (místopředseda) Ing. Oto Janoušek, Ph.D. (člen) doc. Ing. Jiří Kozumplík, CSc. (člen) Ing. Jakub Hejč, Ph.D. (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Ing. Hejč položil otázku, byla testována modifikace topologie sítě? Jak dlouho probíhalo učení architektur? Byla vyzkoušena práce s impulzním šumem? Ing. Janoušek položil otázku, co je augmentováno, optický disk nebo i něco jiného? Ing. Mézl položil otázku, jaká je výpočetní náročnost pro evaluaci na jeden snímek? Studentka obhájila diplomovou práci a odpověděla na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHesko, Branislavcs
dc.contributor.authorRozhoňová, Andreacs
dc.contributor.refereeOdstrčilík, Jancs
dc.date.created2019cs
dc.description.abstractCílem následující diplomové práce bylo studium problematiky segmentace optického disku a cév sítnice v oftalmologických sekvencích. Teoretická část práce shrnuje principy různých přístupů z oblasti hlubokého učení, které se v souvislosti s danou problematikou využívají. Na základě teoretické části jsou navrženy metody pro segmentaci optického disku a pro segmentaci cév sítnice založené na konvolučních neuronových sítích Linknet, PSPNet, Unet a MaskRCNN. Popisem jejich implementace a následným zhodnocením se zabývá praktická část diplomové práce.cs
dc.description.abstractThe aim of the following thesis was to study the issue of optical disc and retinal vessels segmentation in ophthalmologic sequences. The theoretical part of the thesis summarizes the principles of different approaches in the field of deep learning, which are used in connection with the given issue. Based on the theoretical part, methods for optical disk segmentation and retinal vessel segmentation based on the convolutional neural networks Linknet, PSPNet, Unet and MaskRCNN are proposed. The practical part of the thesis deals with the description of their implementation and subsequent evaluation.en
dc.description.markAcs
dc.identifier.citationROZHOŇOVÁ, A. Metody hlubokého učení pro segmentaci cév a optického disku v oftalmologických sekvencích [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.cs
dc.identifier.other118342cs
dc.identifier.urihttp://hdl.handle.net/11012/177634
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectcévy sítnicecs
dc.subjecthluboké učenícs
dc.subjectKerascs
dc.subjectkonvoluční neuronové sítěcs
dc.subjectMaskRCNNcs
dc.subjectoftalmologiecs
dc.subjectoptický diskcs
dc.subjectsegmentace obrazucs
dc.subjectUnetcs
dc.subjectRetina vesselsen
dc.subjectDeep learningen
dc.subjectKerasen
dc.subjectConvolutional neural networksen
dc.subjectMaskRCNNen
dc.subjectOphthalmologyen
dc.subjectOptic discen
dc.subjectImage segmentationen
dc.subjectUneten
dc.titleMetody hlubokého učení pro segmentaci cév a optického disku v oftalmologických sekvencíchcs
dc.title.alternativeDeep learning methods for vessel and optic disc segmentation in ophthalmologic sequencesen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2019-06-05cs
dcterms.modified2019-06-06-11:40:40cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid118342en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:36:18en
sync.item.modts2025.01.15 23:29:37en
thesis.disciplineBiomedicínské inženýrství a bioinformatikacs
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:
7.06 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
9.04 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_118342.html
Size:
6.31 KB
Format:
Hypertext Markup Language
Description:
file review_118342.html
Download
Collections
2019