but.committee	prof. Ing. Adam Herout, Ph.D. (předseda) doc. Ing. Vladimír Drábek, CSc. (místopředseda) doc. RNDr. Milan Češka, Ph.D. (člen) doc. RNDr. Dana Hliněná, Ph.D. (člen) RNDr. Marek Rychlý, Ph.D. (člen)	cs
but.defence	Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: Jaký mají náhodné translace při generování datasetu vliv vzhledem k použití plně konvolučních sítí? Bylo by možné definovat úlohu detekce hran i jinak než jako segmentaci? Jaký může mít současná definice úlohy vliv na výsledky vzhledem k možným nepřesnostem v anotacích a možné inherentní nejistoty lokalizace hrany? Co je spíše zdrojem chyby? Nejistota přítomnosti hrany, nebo nejistota její lokalizace?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Španěl, Michal	cs
dc.contributor.author	Trávníčková, Kateřina	cs
dc.contributor.referee	Hradiš, Michal	cs
dc.date.created	2017	cs
dc.description.abstract	Tato bakalářská práce se zabývá analýzou medicínských objemových dat pomocí konvolučních neuronových sítí. Vstupem analýzy jsou CT snímky lidských končetin, výstupem pak vysegmentované kontury dlouhých kostí, humeru a tibie. Cílem práce je nalezení vhodného nastavení konvoluční neuronové sítě pro co nejpřesnější výstup analýzy. Jako metrika úspěšnosti byla zvolena plocha pod Precision-Recall křivkou (AUC). Nejlepší dosažená úspěšnost se pohybuje kolem 88 % (0.8778 AUC). Pro implementaci řešení byl použit framework Caffe, resp. caffe modul pro skriptovací jazyk python.	cs
dc.description.abstract	This bachelor thesis deals with medical volume data analysis using convolutional neural networks. The input of the analysis is a CT scan of human limbs and the output are segmented countours of long bones, humerus and tibia. The goal of this work is to find suitable convolutional neural network settings to achieve the best possible analysis output while the area under the Precision-Recall curve is used as the precision metric. The best accuracy reaches almost 88 % (0.8778 AUC). The implementation is based on Caffe framework, or python caffe module.	en
dc.description.mark	B	cs
dc.identifier.citation	TRÁVNÍČKOVÁ, K. Hluboké neuronové sítě pro analýzu medicínských obrazových dat [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2017.	cs
dc.identifier.other	106247	cs
dc.identifier.uri	http://hdl.handle.net/11012/69839
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	Konvoluce	cs
dc.subject	konvoluční neuronové sítě	cs
dc.subject	strojové učení	cs
dc.subject	segmentace kontur objektu	cs
dc.subject	medicínská objemová data	cs
dc.subject	Caffe framework	cs
dc.subject	pycaffe	cs
dc.subject	Convolution	en
dc.subject	convolutional neural networks	en
dc.subject	machine learning	en
dc.subject	object contour segmentation	en
dc.subject	medical volume data	en
dc.subject	Caffe framework	en
dc.subject	pycaffe	en
dc.title	Hluboké neuronové sítě pro analýzu medicínských obrazových dat	cs
dc.title.alternative	Deep Learning for Medical Image Analysis	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2017-06-12	cs
dcterms.modified	2020-05-10-16:12:54	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	106247	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:03:07	en
sync.item.modts	2025.01.15 15:44:18	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédií	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Hluboké neuronové sítě pro analýzu medicínských obrazových dat

Files

Original bundle

Collections