Implementace modelu hlubokého učení pro segmentaci patologických tkání v objemových MRI datech mozku
Loading...
Date
Authors
Malík, Michael
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Bakalářská práce pojednává o problematice segmentace obrazů s využitím modelu hlubokého učení. V teoretické části seznamuje čtenáře s anatomií a vybranými patologiemi mozku. Dále je zmíněna konstrukce MR přístroje a vznik obrazu pomocí MR. V závěru teoretické části jsou popsány možnosti segmentace obrazu s využitím architektur hlubokého učení a vybraný veřejně dostupný dataset. Cílem praktické části je otestovat zmíněný dataset, předzpracovaná data a získat výsledky segmentace snímků u jednotlivých pacientů z přiloženého modelu neuronové sítě. Závěrem jsou dosažené výsledky vhodně diskutovány.
This bachelor thesis focuses on the issue of image segmentation by using a deep learning model. The theoretical part describes the anatomy and selected pathology of brain. The thesis also deals with the construction of MR device and creation of an MR image. In the closing section of theoretical part, the main focus is on describing the possibilities of image segmentation with the use of deep learning architectures and selected publicly available dataset. The aim of the practical part is to put the mentioned dataset and pre-processed data to the test and acquire results of image segmentations of individual patients from attached model of neural network. In conclusion, the achieved results are appropriately discussed.
This bachelor thesis focuses on the issue of image segmentation by using a deep learning model. The theoretical part describes the anatomy and selected pathology of brain. The thesis also deals with the construction of MR device and creation of an MR image. In the closing section of theoretical part, the main focus is on describing the possibilities of image segmentation with the use of deep learning architectures and selected publicly available dataset. The aim of the practical part is to put the mentioned dataset and pre-processed data to the test and acquire results of image segmentations of individual patients from attached model of neural network. In conclusion, the achieved results are appropriately discussed.
Description
Citation
MALÍK, M. Implementace modelu hlubokého učení pro segmentaci patologických tkání v objemových MRI datech mozku [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
prof. Ing. Marek Penhaker, Ph.D. (předseda)
Ing. Vratislav Harabiš, Ph.D. (místopředseda)
Doc. MUDr. Jaromír Gumulec, Ph.D. (člen)
doc. Mgr. Ing. Karel Sedlář, Ph.D. (člen)
Ing. Vratislav Čmiel, Ph.D. (člen)
Ing. Tomáš Vičar, Ph.D. (člen)
Date of acceptance
2023-06-14
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky.
Student odpověděl na otázky oponenta. Prof. Penhaker se doptal co je to fold. Co je to faktorizační matice? Doc. Gumulec se doptal na hodnotící kritéria a jejich užitečnost. Jak registrace ovlivňuje dosaženou úspěšnost segmentace? Ing. Vičar se doptal, jaký je rozdíl mezi F1 skóre a Dice skóre? Jak to, že hodnoty vycházejí jinak pro F1 a Dice skore? Jaký je vztah mezi Dice skóre a Jaccard skóre? Přidá Jaccard další informaci?
Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení