Automatické nalezení srdečních rovin v MR obrazech srdce

Simple item page
but.committeeprof. Ing. Martin Černý, Ph.D. (předseda) doc. Ing. Radim Kolář, Ph.D. (místopředseda) Ing. Vratislav Harabiš, Ph.D. (člen) Ing. Filip Plešinger, Ph.D. (člen) Ing. Vratislav Čmiel, Ph.D. (člen) Ing. Tomáš Vičar, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Prof. Černý se doptal na detaily o implementovaných vlastních řešeních studenta a použitých hodnotících metrikách. Ing. Harabiš se doptal na vznik referenčních dat. Ing. Vičar se doptal na predikci transformační matice. Doc. Kolář se doptal na motivaci za prací. Student obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBioinženýrstvícs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorChmelík, Jiřícs
dc.contributor.authorPanáček, Oldřichcs
dc.contributor.refereeHarabiš, Vratislavcs
dc.date.accessioned2025-06-18T04:01:32Z
dc.date.available2025-06-18T04:01:32Z
dc.date.created2025cs
dc.description.abstractAutomatické určení srdečních rovin z lokalizačních snímků magnetické rezonance představuje náročný úkol, který je v klinické praxi dosud prováděn manuálně obsluhou přístroje. Kvalita výsledků i časová náročnost tohoto postupu přitom výrazně závisí na zkušenostech operátora. Tato práce se zaměřuje na automatizaci predikce orientace a transformace tří hlavních srdečních rovin – zobrazení v krátké ose (SAX), vertikální dlouhé ose (VLA) a horizontální dlouhé ose (HLA) – pomocí konvoluční neuronové sítě ResNet, která odhaduje rotační respektive transformační matice. Model SAX byl trénován, validován a testován na 85 originálních datových sadách s dvojnásobnou augmentací axiálních lokalizačních snímků. Pro zajištění platnosti predikovaných matic jakožto ortogonálních rotací byla aplikována singulární dekompozice (SVD), která zároveň umožnila vyhodnotit míru neortogonality predikcí. Přesnost modelu byla dále analyzována pomocí rozdílových rotačních matic rozložených do Eulerových úhlů. Výsledky byly vizualizovány formou krabicových grafů. Modely HLA a VLA byly trénovány a testovány na 78 originálních datových sadách s dvojnásobnou augmentací a vyhodnoceny pomocí metrik založených na deformaci referenční mřížky diferenční maticí, následně vizualizovaných krabicovými grafy. Pro srovnání s publikovanými studiemi byla navíc vypočtena absolutní úhlová odchylka mezi normálovými vektory definujícími jednotlivé roviny vztažená k referenci. Dosažené výsledky prokazují schopnost modelu ResNet predikovat rotační respektive transformační matice.cs
dc.description.abstractAutomatic determination of cardiac planes from magnetic resonance (MR) localizer images represents a challenging task that is still performed manually by the scanner operator in clinical practice. The quality and time efficiency of this process heavily depend on the operator’s experience. This thesis focuses on automating the prediction of the orientation and transformation of three main cardiac planes – short–axis (SAX), vertical long–axis (VLA), and horizontal long–axis (HLA) views – using a ResNet-based convolutional neural network that estimates rotation matrices. The SAX model was trained, validated, and tested on 85 original datasets with double augmentation of axial localizer images. To ensure the validity of the predicted matrices as orthogonal rotations, singular value decomposition (SVD) was applied, which also allowed the evaluation of the degree of non-orthogonality in the predictions. The model’s accuracy was further assessed using difference rotation matrices decomposed into Euler angles. The results were visualized using box and bar plots. The HLA and VLA models were trained and tested on 78 original datasets with double augmentation and evaluated using metrics based on the deformation of a reference grid by a difference matrix, with results visualized via box plots. For comparison with previously published studies, the absolute angular deviation between the normal vectors defining each plane and the reference orientation was also computed. The achieved results demonstrate the ability of the ResNet model to predict rotation and transformation matrices.en
dc.description.markAcs
dc.identifier.citationPANÁČEK, O. Automatické nalezení srdečních rovin v MR obrazech srdce [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.cs
dc.identifier.other167555cs
dc.identifier.urihttps://hdl.handle.net/11012/253437
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectsrdeční rovinycs
dc.subjectkrátká osacs
dc.subjectvertikální dlouhá osacs
dc.subjecthorizontální dlouhá osacs
dc.subjecthluboké učenícs
dc.subjectResNetcs
dc.subjectafinní transformacecs
dc.subjectgeometrická rotacecs
dc.subjectaxiální lokalizátorycs
dc.subjectEulerovy úhlycs
dc.subjectsingulární dekompozicecs
dc.subjectcardiac planesen
dc.subjectshort–axisen
dc.subjectvertical long–axisen
dc.subjecthorizontal long–axisen
dc.subjectdeep learningen
dc.subjectResNeten
dc.subjectaffine transformationen
dc.subjectgeometric rotationen
dc.subjectaxial localizersen
dc.subjectEuler anglesen
dc.subjectsingular value decompositionen
dc.titleAutomatické nalezení srdečních rovin v MR obrazech srdcecs
dc.title.alternativeAutomatic determination of radiologic planes in MRI data of hearten
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2025-06-17cs
dcterms.modified2025-06-17-16:21:06cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid167555en
sync.item.dbtypeZPen
sync.item.insts2025.06.18 06:01:32en
sync.item.modts2025.06.18 05:41:37en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
47.79 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
46.75 KB
Format:
Unknown data format
Description:
file appendix-1.zip
Download
Thumbnail Image
Name:
review_167555.html
Size:
5.13 KB
Format:
Hypertext Markup Language
Description:
file review_167555.html
Download
Collections
2025