but.committee	doc. Ing. Ondřej Ryšavý, Ph.D. (předseda) doc. Ing. Jan Kořenek, Ph.D. (místopředseda) doc. Ing. Radek Burget, Ph.D. (člen) Ing. Matěj Grégr, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) RNDr. Marek Rychlý, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: The work is based on a deep learning-based method, therefore, the dataset that has been used in this work should contain many images but the dataset in this work, was small. Deep learning algorithms can not work well on a small dataset, how did the student overcome it? Jakým způsobem plánujete další využití? Máte v práci nějaké srovnání s existujícími řešeními? Je pro generování a klasifikace sítnic dostatečné malé množství trénovacích dat?	cs
but.jazyk	angličtina (English)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Drahanský, Martin	en
dc.contributor.author	Aubrecht, Tomáš	en
dc.contributor.referee	Heidari, Mona	en
dc.date.accessioned	2020-07-20T19:57:52Z
dc.date.available	2020-07-20T19:57:52Z
dc.date.created	2020	cs
dc.description.abstract	K pořízení snímků sítnice, která představuje nejdůležitější část lidského oka, je potřeba speciálního vybavení, kterým je fundus kamera. Z tohoto důvodu je cílem této práce navrhnout a implementovat systém, který bude schopný generovat takovéto snímky bez použítí této kamery. Navržený systém využívá mapování vstupního černobílého snímku krevního řečiště sítnice na barevný výstupní snímek celé sítnice. Systém se skládá ze dvou neuronových sítí: generátoru, který generuje snímky sítnic, a diskriminátoru, který klasifikuje dané snímky jako reálné či syntetické. Tento systém byl natrénován na 141 snímcích z veřejně dostupných databází. Následně byla vytvořena nová databáze obsahující více než 2,800 snímků zdravých sítnic v rozlišení 1024x1024. Tato databáze může být použita jako učební pomůcka pro oční lékaře nebo může poskytovat základ pro vývoj různých aplikací pracujících se sítnicemi.	en
dc.description.abstract	Special equipment, a fundus camera, is needed to capture the retina, which is the most important part of the human eye. Therefore, the main objective of this work is to design and implement a system that would be able to generate retinal images. The proposed solution uses an image-to-image translation, where the system is provided with a black and white image at the input containing only bloodstream, on the basis of which a color image of the entire retina is generated. The system consists of two neural networks: a generator, which generates retinal images, and a discriminator, which classifies these images as real or synthetic. Training of this system was performed on 141 images from publicly available databases. A new database was created with more than 2,800 images of healthy retinas in a resolution of 1024x1024. This database could be used as a learning tool for ophthalmologists or for the development of various applications working with retinas.	cs
dc.description.mark	B	cs
dc.identifier.citation	AUBRECHT, T. Generation of Synthetic Retinal Images with High Resolution [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129267	cs
dc.identifier.uri	http://hdl.handle.net/11012/192449
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	lidské oko	en
dc.subject	sítnice oka	en
dc.subject	syntetické snímky sítnice	en
dc.subject	zpracování obrazu	en
dc.subject	generování obrazu	en
dc.subject	strojové učení	en
dc.subject	neuronové sítě	en
dc.subject	GAN	en
dc.subject	vysoké rozlišení	en
dc.subject	Python	en
dc.subject	TensorFlow	en
dc.subject	human eye	cs
dc.subject	eye retina	cs
dc.subject	synthetic retinal images	cs
dc.subject	image processing	cs
dc.subject	image generation	cs
dc.subject	machine learning	cs
dc.subject	neural networks	cs
dc.subject	GAN	cs
dc.subject	high resolution	cs
dc.subject	Python	cs
dc.subject	TensorFlow	cs
dc.title	Generation of Synthetic Retinal Images with High Resolution	en
dc.title.alternative	Generation of Synthetic Retinal Images with High Resolution	cs
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2020-07-15	cs
dcterms.modified	2020-07-17-14:42:11	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129267	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.12 16:14:37	en
sync.item.modts	2021.11.12 15:09:02	en
thesis.discipline	Informační systémy	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Generation of Synthetic Retinal Images with High Resolution

Files

Original bundle

Collections