Pokročilé metody segmentace cévního řečiště na fotografiích sítnice

Simple item page
but.committeeprof. Ing. Jiří Jan, CSc. (předseda) prof. Ewaryst Tkacz, Ph.D.,D.Sc. (místopředseda) Ing. Vratislav Harabiš, Ph.D. (člen) Mgr. Dušan Hemzal, Ph.D. (člen) prof. RNDr. Jiří Fajkus, CSc. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Prof. Tkacz položil otázku: Jaká výpočetní technika byla využita vzhledem ke značné náročnosti zpracování dat? Mgr. Hemzal položil otázku: Problémy při focení fundus kamerou. 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.advisorOdstrčilík, Jancs
dc.contributor.authorSvoboda, Ondřejcs
dc.contributor.refereeJan, Jiřícs
dc.date.created2013cs
dc.description.abstractSegmentace cévního řečiště je častým krokem při zpracování retinálních obrazů. V dnešní době existuje řada automatických metod segmentace cévního řečiště. Tyto metody jsou založeny na mnoha přístupech. Od přizpůsobené filtrace, přes metody využívající rozpoznávání vzorů, až po algoritmy využívající klasifikace obrazu. Použití automatických metod při zpracování retinálních snímků výrazně urychluje a zjednodušuje diagnostiku retinálních onemocnění. Při zpracování automatickými segmentačními algoritmy je jednou ze stěžejních částí prahování obrazu, a právě prahování fundus snímků se věnuje tato práce. Je zde popsána řada prací využívajících globální a lokální prahovací metody, a zejména metody klasifikace obrazu pro segmentaci cévního řečiště ze snímků sítnice. Následně byla na výsledky dvou metod segmentace cévního řečiště použita metoda klasifikace obrazu s učením. Z dosažených výsledků byla posléze stanovena schopnost daných metod segmentovat cévní řečiště. Použitím klasifikace obrazu namísto globálního prahování došlo u první metody na zdravé části databáze k poklesu sensitivity na 63,32 % a přesnosti na 94,99 %. Naopak u specificity byl zaznamenán nárůst na 95,75 %. U druhé metody bylo dosaženo sensitivity 69,24 %, specificity 98,86 % a přesnosti 95,29 %. Kombinací výsledků obou metod bylo dosaženo sensitivity 72,48 %, specificity 98,59 % a výsledné přesnosti 95,75 %. Tímto nebyl s použitím daného klasifikátoru potvrzen předpoklad, že klasifikace obrazu s učením je oproti prostému prahování efektivnější. Zároveň bylo však prokázáno, že rozšíření příznakového vektoru kombinací výsledků z obou metod došlo k nárůstu sensitivity, specificity i přesnosti.cs
dc.description.abstractSegmentation of vasculature tree is an important step of the process of image processing. There are many methods of automatic blood vessel segmentation. These methods are based on matched filters, pattern recognition or image classification. Use of automatic retinal image processing greatly simplifies and accelerates retinal images diagnosis. The aim of the automatic image segmentation algorithms is thresholding. This work primarily deals with retinal image thresholding. We discuss a few works using local and global image thresholding and supervised image classification to segmentation of blood tree from retinal images. Subsequently is to set of results from two different methods used image classification and discuss effectiveness of the vessel segmentation. Use image classification instead of global thresholding changed statistics of first method on healthy part of HRF. Sensitivity and accuracy decreased to 62,32 %, respectively 94,99 %. Specificity increased to 95,75 %. Second method achieved sensitivity 69.24 %, specificity 98.86% and 95.29 % accuracy. Combining the results of both methods achieved sensitivity up to72.48%, specificity to 98.59% and the accuracy to 95.75%. This confirmed the assumption that the classifier will achieve better results. At the same time, was shown that extend the feature vector combining the results from both methods have increased sensitivity, specificity and accuracy.en
dc.description.markBcs
dc.identifier.citationSVOBODA, O. Pokročilé metody segmentace cévního řečiště na fotografiích sítnice [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2013.cs
dc.identifier.other65507cs
dc.identifier.urihttp://hdl.handle.net/11012/25948
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.subjectsegmentace cévního řečištěcs
dc.subjectfundus snímkycs
dc.subjectretinální snímkycs
dc.subjectsegmentace obrazucs
dc.subjectprahování obrazucs
dc.subjectklasifikace obrazucs
dc.subjectklasifikace fundus snímkůcs
dc.subjectklasifikace obrazu s učenímcs
dc.subjectvessel segmentationen
dc.subjectfundus imagesen
dc.subjectretinal imagesen
dc.subjectimage segmentationen
dc.subjectimage thresholdingen
dc.subjectimage classificationen
dc.subjectfundus image classificationen
dc.subjectsupervised image classificationen
dc.titlePokročilé metody segmentace cévního řečiště na fotografiích sítnicecs
dc.title.alternativeAdvanced retinal vessel segmentation methods in colour fundus imagesen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2013-06-11cs
dcterms.modified2013-06-14-10:16:40cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid65507en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:07:55en
sync.item.modts2025.01.15 17:33:12en
thesis.disciplineBiomedicínské inženýrství a bioinformatikacs
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:
3.2 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
13.37 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_65507.html
Size:
8.16 KB
Format:
Hypertext Markup Language
Description:
file review_65507.html
Download
Collections
2013