Klasifikace patologických obratlů v CT snímcích páteře s využitím metod strojového učení

Abstract

Tato diplomová práce se zaměřuje na detekci patologických obratlů v CT snímcích páteře s využitím metod strojového učení. V rámci teoretické části je popsána anatomie páteře, výskyt patologií v CT obrazových datech, je vypracován přehled existujících metod určených pro automatickou detekci patologických obratlů. Praktická část je věnována návrhu počítačového systému, který realizuje detekci patologie obratlů a určuje jejich typ. Jako klasifikátor se používá neuronová síť. Aplikace analýzy hlavních komponent (PCA) zajišťuje redukci počátečního počtu příznaků. Pro řešení daného zadání byla získána reálná data. Závěr obsahuje hodnocení dosažených výsledků.This master's thesis focuses on detection of pathological vertebrae in spinal CT utilized by machine learning. Theoretical part describes anatomy of the spine and occurrence of pathologies in CT image data, contains an overview of existing methods intended for automated detection of pathological vertebrae. Practical part devotes to design a computer aided detection systems to identify pathological vertebrae and to classify a type of pathology. Designed classification system is based on using neural network, which performs classification step and on principal component analysis (PCA), which is used to reducing the original number of observation features. For completing this task were used real data. Conclusion contains evaluation of obtained results.