but.committee	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)	cs
but.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?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Čadík, Martin	cs
dc.contributor.author	Berezný, Matej	cs
dc.contributor.referee	Kodym, Oldřich	cs
dc.date.created	2021	cs
dc.description.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.	cs
dc.description.abstract	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.	en
dc.description.mark	B	cs
dc.identifier.citation	BEREZNÝ, M. Segmentace zubních objemových dat [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.	cs
dc.identifier.other	136421	cs
dc.identifier.uri	http://hdl.handle.net/11012/199305
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	Spracovanie obrazu	cs
dc.subject	segmentácia	cs
dc.subject	objemová segmentácia	cs
dc.subject	U-Net	cs
dc.subject	CT skeny	cs
dc.subject	CBCT skeny	cs
dc.subject	medicínske dáta	cs
dc.subject	hlboké učenie	cs
dc.subject	konvolučné neurónové siete	cs
dc.subject	slabé anotácie	cs
dc.subject	silné anotácie	cs
dc.subject	transfer learning	cs
dc.subject	viacfázové trénovanie	cs
dc.subject	obnova obrazu	cs
dc.subject	Image processing	en
dc.subject	segmentation	en
dc.subject	volumetric segmentation	en
dc.subject	U-Net	en
dc.subject	CT scans	en
dc.subject	CBCT scans	en
dc.subject	medical data	en
dc.subject	deep learning	en
dc.subject	convolutional neural networks	en
dc.subject	sparse annotations	en
dc.subject	dense annotations	en
dc.subject	transfer learning	en
dc.subject	multi-phase training	en
dc.subject	image restoration	en
dc.title	Segmentace zubních objemových dat	cs
dc.title.alternative	Volumetric Segmentation of Dental CT Data	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2021-06-15	cs
dcterms.modified	2021-06-19-12:15:56	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	136421	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:34:35	en
sync.item.modts	2025.01.17 12:48:18	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

Segmentace zubních objemových dat

Files

Original bundle

Collections