Segmentace klenby lebeční u pacientů po kraniektomii

Abstract

Tato práce se zabývá segmentací klenby lebeční v CT snímcích pacientů po kraniektomii. Zadaná problematika byla řešena pomocí segmentační architektury U-Net, konkrétně její 2D i 3D variantou. S první verzí architektury bylo dosaženo průměrné hodnoty Jaccardova indexu 89,4 %, u druhé úspěšnosti 67,1 % vyhodnocené stejnou metrikou. Při zaměření na oblasti po chirurgickém zákroku nebyl u výsledků jednotlivých variant již tak velký rozdíl, zjištěný Jaccardův index pro 2D síťě byl průměrně 98,4 % a pro 3D verze 97,0 %.This thesis deals with the segmentation of cranial bone in CT patient’s data after craniectomy. The U-Net architecture in 2D and 3D variant were selected for the intention of solving this problem. Jaccard index for 2D U-Net was evaluate as 89,4 % and for 3D U-Net it was 67,1 %. In the area after surgical intervention evaluating index has smaller difference between both variant, the average success rate of skull classification was 98,4 % for 2D U-Net and 97,0 % for 3D U-Net.