Segmentace zubních objemových dat
Loading...
Date
Authors
Berezný, Matej
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Hlavným cieľom tejto práce bola segmentácia objemových CT dát za použitia neurónových sietí. Ako vedľajší produkt bol vytvorený nový dataset spolu s silnými aj slabými anotáciami a nástroj pre automatický preprocessing dát. Takisto bola overená možnosť využitia transfer learningu a viacfázového trénovania. Z mnohých vykonaných testov možno vyvodiť záver, že aj tranfer learning aj viacfázové trénovanie mali pozitívny vplyv na vývoj dice skóre v porovnaní so základnou použitou metódou či už pri silných, alebo slabých anotáciách.
The main goal of this work was to use neural networks for volumetric segmentation of dental CBCT data. As a byproducts, both new dataset including sparse and dense annotations and automatic preprocessing pipeline were produced. Additionally, the possibility of applying transfer learning and multi-phase training in order to improve segmentation results was tested. From the various tests that were carried out, conclusion can be drawn that both multi-phase training and transfer learning showed substantial improvement in dice score for both sparse and dense annotations compared to the baseline method.
The main goal of this work was to use neural networks for volumetric segmentation of dental CBCT data. As a byproducts, both new dataset including sparse and dense annotations and automatic preprocessing pipeline were produced. Additionally, the possibility of applying transfer learning and multi-phase training in order to improve segmentation results was tested. From the various tests that were carried out, conclusion can be drawn that both multi-phase training and transfer learning showed substantial improvement in dice score for both sparse and dense annotations compared to the baseline method.
Description
Keywords
Spracovanie obrazu, segmentácia, objemová segmentácia, U-Net, CT skeny, CBCT skeny, medicínske dáta, hlboké učenie, konvolučné neurónové siete, slabé anotácie, silné anotácie, transfer learning, viacfázové trénovanie, obnova obrazu, Image processing, segmentation, volumetric segmentation, U-Net, CT scans, CBCT scans, medical data, deep learning, convolutional neural networks, sparse annotations, dense annotations, transfer learning, multi-phase training, image restoration
Citation
BEREZNÝ, M. Segmentace zubních objemových dat [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Informační technologie
Comittee
doc. Ing. Martin Čadík, Ph.D. (předseda)
doc. Ing. Zdeněk Vašíček, Ph.D. (místopředseda)
Ing. Vladimír Bartík, Ph.D. (člen)
Ing. David Bařina, Ph.D. (člen)
Ing. Radek Kočí, Ph.D. (člen)
Date of acceptance
2021-06-15
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B. Otázky u obhajoby: Jakým způsobem navržená síť vyhodnocuje objemová data s větší velikostí než trénovací výřezy? Pokuste se okomentovat význam kvantitativních výsledků dosažených pomocí sítě trénované pro segmentaci všech tvrdých tkání (CT-ORG dataset) Jak si poradí metoda s anomálií na vstupu (např. plomba)? Kde jste sehnal datové sady?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení