Hluboké neuronové sítě pro analýzu medicínských dat
but.committee | prof. Dr. Ing. Pavel Zemčík, dr. h. c. (předseda) prof. Ing. Jan M. Honzík, CSc. (místopředseda) doc. Ing. Jiří Jaroš, Ph.D. (člen) Ing. Filip Orság, Ph.D. (člen) doc. Ing. Michal Španěl, 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 D. Otázky u obhajoby: Z jakého důvodu se nerozlišují spodní a horní čelisti? Zuby přece nejsou přesně stejné. Proč se pro tvorbu vstupu sítě používá perspektivní kamera? Jaké to má nevýhody? Jaké jsou další možnosti? Proč je vstupem sítě vždy jen obraz, jaké další vstupy by bylo možné využít? Dala by se použít pozice zubu k jeho klasifikaci? Jak přesná je vaše klasifikace? | cs |
but.jazyk | čeština (Czech) | |
but.program | Informační technologie | cs |
but.result | práce byla úspěšně obhájena | cs |
dc.contributor.advisor | Španěl, Michal | cs |
dc.contributor.author | Osvald, Martin | cs |
dc.contributor.referee | Juránek, Roman | cs |
dc.date.created | 2021 | cs |
dc.description.abstract | Cieľom tejto práce je použitie 2D konvolučných neurónových sietí pre segmentáciu a detekciu zubov na 3D modeli čeľusti s využitím viac pohľadovej metódy. Pohľad je vyrendrovaný 2D obrázok 3D modelu. Následne na akýkoľvek 3D model zubov je možné použiť natrénované modely neurónových sietí v PyQt aplikáciach. Pri práci bol vytvorený vlastný anotačný skript na anotáciu zubov ako aj landmarkov. Táto práca rieši problém s dostupnosťou anotovaných 3D datasetov v medicínskom priemysle pomocou automatizácie v generovaní masiek z rôznych pohľadov na 3D modely. | cs |
dc.description.abstract | The goal of this bachelor's thesis is to use the 2D convolutional neural network on the 3D model dataset by multi-view methods. The view is 2D picture of 3D model. The result are Pyqt applications, where is possible to load the 3D model of teeth and predict the location of landmarks and teeth by object segmentation and object detection. During this thesis, an annotation's script was created for the annotation of 3D models for landmarks of teeth and teeth themself. This thesis solves the problem of the small availability of annotated 3D datasets in the medical industry by automating generating binary masks from different views on 3D models. | en |
dc.description.mark | D | cs |
dc.identifier.citation | OSVALD, M. Hluboké neuronové sítě pro analýzu medicínských dat [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021. | cs |
dc.identifier.other | 137573 | cs |
dc.identifier.uri | http://hdl.handle.net/11012/201100 | |
dc.language.iso | cs | 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 | Medicínske dáta | cs |
dc.subject | Segmentácia zubov | cs |
dc.subject | Detekcia Zubov Landmark | cs |
dc.subject | Ortodoncia | cs |
dc.subject | Viac-pohľadová metóda | cs |
dc.subject | 2D konvolučné siete | cs |
dc.subject | 3D objektová klasifikáciu | cs |
dc.subject | U-Net | cs |
dc.subject | Yolo v3 | cs |
dc.subject | Mask-RCNN | cs |
dc.subject | Blender | cs |
dc.subject | STL model | cs |
dc.subject | Anotačný skript. | cs |
dc.subject | Medical data | en |
dc.subject | Teeth segmentation | en |
dc.subject | Teeth detection | en |
dc.subject | Landmark | en |
dc.subject | Orthodontics | en |
dc.subject | Multi-view method | en |
dc.subject | 2D convolutional neural network | en |
dc.subject | 3D object classification | en |
dc.subject | U-Net | en |
dc.subject | Yolo v3 | en |
dc.subject | MaskRCNN | en |
dc.subject | Blender | en |
dc.subject | STL model | en |
dc.subject | Anotation script. | en |
dc.title | Hluboké neuronové sítě pro analýzu medicínských dat | cs |
dc.title.alternative | Deep Learning for Medical Image Analysis | en |
dc.type | Text | cs |
dc.type.driver | bachelorThesis | en |
dc.type.evskp | bakalářská práce | cs |
dcterms.dateAccepted | 2021-08-25 | cs |
dcterms.modified | 2021-08-27-17:16:45 | cs |
eprints.affiliatedInstitution.faculty | Fakulta informačních technologií | cs |
sync.item.dbid | 137573 | en |
sync.item.dbtype | ZP | en |
sync.item.insts | 2025.03.18 19:38:24 | en |
sync.item.modts | 2025.01.15 20:03:32 | en |
thesis.discipline | Informační technologie | cs |
thesis.grantor | Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií | cs |
thesis.level | Bakalářský | cs |
thesis.name | Bc. | cs |
Files
Original bundle
1 - 4 of 4
Loading...
- Name:
- final-thesis.pdf
- Size:
- 8.07 MB
- Format:
- Adobe Portable Document Format
- Description:
- final-thesis.pdf
Loading...
- Name:
- Posudek-Vedouci prace-23235_v.pdf
- Size:
- 86.87 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek-Vedouci prace-23235_v.pdf
Loading...
- Name:
- Posudek-Oponent prace-23235_o.pdf
- Size:
- 130.83 KB
- Format:
- Adobe Portable Document Format
- Description:
- Posudek-Oponent prace-23235_o.pdf
Loading...
- Name:
- review_137573.html
- Size:
- 1.45 KB
- Format:
- Hypertext Markup Language
- Description:
- file review_137573.html