Segmentace patologických tkání v objemových MRI datech mozku s využitím hlubokého učení

Simple item page
but.committeedoc. 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)cs
but.defenceStudent 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.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorChmelík, Jiřícs
dc.contributor.authorNantl, Ondřejcs
dc.contributor.refereeKolář, Radimcs
dc.date.accessioned2023-06-08T06:55:58Z
dc.date.available2023-06-08T06:55:58Z
dc.date.created2023cs
dc.description.abstractTato 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.cs
dc.description.abstractThis 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.en
dc.description.markAcs
dc.identifier.citationNANTL, 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.cs
dc.identifier.other150856cs
dc.identifier.urihttp://hdl.handle.net/11012/210049
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.subjectcévní mozková příhodacs
dc.subjecthluboké učenícs
dc.subjectischemická tkáňcs
dc.subjectmozekcs
dc.subjectU-Netcs
dc.subjectbrainen
dc.subjectdeep learningen
dc.subjectischemic tissueen
dc.subjectstrokeen
dc.subjectU-Neten
dc.titleSegmentace patologických tkání v objemových MRI datech mozku s využitím hlubokého učenícs
dc.title.alternativeDeep-learning based segmentation of pathological tissue in brain MR imagesen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-07cs
dcterms.modified2023-06-07-14:52:35cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid150856en
sync.item.dbtypeZPen
sync.item.insts2023.06.08 08:55:58en
sync.item.modts2023.06.08 08:12:22en
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:
9.3 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
29.52 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_150856.html
Size:
4.35 KB
Format:
Hypertext Markup Language
Description:
review_150856.html
Download
Collections
2023