Simulace syntetických difuzních tensorových dat

Simple item page
but.committeedoc. Ing. Radim Kolář, Ph.D. (předseda) MUDr. Marie Nováková, Ph.D. (místopředseda) Ing. Denisa Maděránková, Ph.D. (člen) Ing. Oto Janoušek, Ph.D. (člen) Mgr. Daniel Vlk, CSc. (člen) MUDr. Kateřina Fialová, Ph.D. (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Studentka obhájila bakalářskou práci a odpověděla na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBiomedicínská technika a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorLabounek, Renécs
dc.contributor.authorLabudová, Kristýnacs
dc.contributor.refereeMézl, Martincs
dc.date.accessioned2018-10-21T21:58:52Z
dc.date.available2018-10-21T21:58:52Z
dc.date.created2015cs
dc.description.abstractTato práce se zabývá různými přístupy k zobrazování míry difuze pomocí magnetické rezonance. Jednotlivé přístupy jsou zde přiblíženy a vzájemně srovnány. Gaussovský model pro odhad difuzního profilu je rozebrán podrobně i s matematickým popisem. Dále popsána simulace syntetických difuzních dat, jejich zašumění a následná rekonstrukce difuzního tenzoru ze zašuměných dat. Přesnost odhadu tenzoru ze zašuměných dat je hodnocena jako odchylka frakční anizotropie rekonstruovaného tenzoru od původního a také jako odchylka hlavních vektorů původního a zrekonstruovaného tenzoru. Přesnost odhadu je vyhodnocována automaticky pomocí uvedeného programu. V práci je podrobně popsáno provedení grafického rozhraní pro simulaci i vyhodnocení výsledků. Na konci práce jsou zpracovány výsledky a doporučení k optimálnímu nastavení měření. Jako nejoptimálnější se jeví 120 gradientních směrů ze všech analyzovaných. Tento počet byl zvolen jako kompromis mezi dobou trvání měření a přesností výsledků, 120 gradientních směrů poskytuje dostatečně přesné výsledky s optimálním časem měření, který neznemožňuje použití v klinické praxi.cs
dc.description.abstractThis work deals with different approaches to imaging of diffusion intensity with magnetic resonance. Individual approaches are described and compared. Gaussian model for approximation of diffusion profile is analysed and mathematically determined in details. The next part of this work concerns about process of simulation synthetic diffusion tensor data, adding noise to data and estimation of diffusion tensor from noisy data. Estimation’s accuracy is rated according to deviation of fractional anisotropy of estimated and original tensor and also according to deviation of the main eigenvectors of both tensors. Accuracy of the estimation is evaluated automatically with the programme. There is realization of graphical interface for simulation as well as for automatical evaluation of results described in details. At the end of this work all results are processed and commented and there is also recommendation for optimal adjustment of the data acquisition. 120 gradient directions are the most optimal of all analysed direction. It provides sufficient accuracy of results with optimal time of data acquisition which is suitable for clinical praxis.en
dc.description.markAcs
dc.identifier.citationLABUDOVÁ, K. Simulace syntetických difuzních tensorových dat [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2015.cs
dc.identifier.other84363cs
dc.identifier.urihttp://hdl.handle.net/11012/39690
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.subjectMRIcs
dc.subjectdMRIcs
dc.subjectDW-MRIcs
dc.subjectdifuzní tensorové zobrazovánícs
dc.subjectGaussovský modelcs
dc.subjectsimulacecs
dc.subjectanizotropní difuzecs
dc.subjectdata-driven přístupycs
dc.subjectvíce-vláknová DTI datacs
dc.subjectSNRcs
dc.subjectkřížení vlákencs
dc.subjectMRIen
dc.subjectdMRIen
dc.subjectDW-MRIen
dc.subjectdiffusion tensor imagingen
dc.subjectGaussian modelen
dc.subjectsimulationen
dc.subjectanisotropic diffusionen
dc.subjectdata-driven approachesen
dc.subjectmultiple-fibre DTI dataen
dc.subjectSNRen
dc.subjectcrossing fibersen
dc.titleSimulace syntetických difuzních tensorových datcs
dc.title.alternativeSimulation of synthetic diffusion tensor dataen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2015-06-18cs
dcterms.modified2015-06-18-15:25:35cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid84363en
sync.item.dbtypeZPen
sync.item.insts2021.11.10 12:57:44en
sync.item.modts2021.11.10 12:36:21en
thesis.disciplineBiomedicínská technika a bioinformatikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
3.54 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
3.11 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_84363.html
Size:
5.84 KB
Format:
Hypertext Markup Language
Description:
review_84363.html
Download
Collections
2015