Segmentace patologických tkání v objemových MRI datech mozku s využitím hlubokého učení
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato diplomová práce se věnuje segmentaci ischemických ložisek z T1 vážených MRI skenů pomocí metod hlubokého učení. V teoretické části jsou shrnuty anatomie mozku, jeho zobrazování pomocí MRI, dostupné datasety pro tvorbu metod k automatické segmentaci patologické mozkové tkáně a metody segmentující ischemickou mozkovou tkáň s využitím hlubokého učení. V praktické části je popsán využitý dataset, jeho předzpracování, navržené architektury modelů hlubokého učení (U-Net) a jejich trénink. Metody byly implementovány v programovacím jazyce Python. Dále jsou uvedeny dosažené výsledky a jejich diskuze.
This diploma thesis deals with the topic of segmentation of ischemic tissue in T1 weighted MRI image data using deep learning methods. The theoretical part deals with the anatomy of brain, brain imaging using MRI, available datasets for automatic segmentation of pathological brain tissue and automatic deep learning methods for segmentation of ischemic brain tissue. In the practical part the used dataset and its preprocessing, as well as the proposed deep learning methods (U-Net) and their training, are described. The models were implemented using Python. Finally, the results of the models are presented and discussed.
This diploma thesis deals with the topic of segmentation of ischemic tissue in T1 weighted MRI image data using deep learning methods. The theoretical part deals with the anatomy of brain, brain imaging using MRI, available datasets for automatic segmentation of pathological brain tissue and automatic deep learning methods for segmentation of ischemic brain tissue. In the practical part the used dataset and its preprocessing, as well as the proposed deep learning methods (U-Net) and their training, are described. The models were implemented using Python. Finally, the results of the models are presented and discussed.
Description
Citation
NANTL, O. Segmentace patologických tkání v objemových MRI datech mozku s využitím hlubokého učení [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
doc. Ing. Daniel Schwarz, Ph.D. (předseda)
doc. Ing. Jana Kolářová, Ph.D. (místopředseda)
Ing. Tomáš Vičar, Ph.D. (člen)
Ing. Vratislav Harabiš, Ph.D. (člen)
Mgr. Ing. Karel Sedlář, Ph.D. (člen)
Ing. Martin Mézl, Ph.D. (člen)
Date of acceptance
2023-06-07
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Ing. Mézl položil dotaz na výběr dat, zda zohlednil ne/konzistentnost snímání dat a na budoucí aplikace, např. v klinické praxi. Doc. Schwarz položil dotaz na křížovou validaci. Doc. Kolářová položila dotaz na výběr časopisu pro další rozšíření výzkumu. Ing. Vičar položit dotaz na výběr UNETu. Student obhájil diplomovou 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