Metody detekce, segmentace a klasifikace obtížně definovatelných kostních nádorových lézí ve 3D CT datech

Simple item page
but.committeeprof. Ing. Valentýna Provazník, Ph.D. (předseda) doc. Ing. Radim Kolář, Ph.D. (člen) prof. Ing. Adam Herout, Ph.D. (člen) Prof. MUDr. Milan Brázdil, Ph.D. (člen) doc. Ing. Lenka Lhotská, CSc. (člen) prof. RNDr. Jan Flusser, Ph.D. DSc. - oponent (člen) prof. RNDr. Michal Kozubek, Ph.D. - oponent (člen)cs
but.defenceDoktorand ve vymezeném čase dostatečně podrobně prezentoval výsledky své dizertační práce. V rámci diskuse uspokojivě odpověděl na dotazy obou oponentů a dotazy dalších členů komise.cs
but.jazykčeština (Czech)
but.programElektrotechnika a komunikační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorJan, Jiřícs
dc.contributor.authorChmelík, Jiřícs
dc.contributor.refereeFlusser,, Jancs
dc.contributor.refereeKozubek, Michalcs
dc.date.created2020cs
dc.description.abstractCílem této práce byl vývoj algoritmů pro detekci, segmentaci a klasifikaci obtížně definovatelných kostních metastatických nádorových lézí v oblasti páteře z obrazových CT dat. Pro tyto účely byla vytvořena pacientská databáze anotovaná lékařskými experty. Postupně byly navrženy tři metody, z nichž první je založena na přepracování a kombinaci metod dostupných z předchozího řešení projektu, druhá je velmi rychlá varianta založená na fuzzy k-means shlukové analýze, třetí metoda využívá moderních metod strojového učení, konkrétně hluboké učení konvolučních neuronových sítí. Dále byla navržena modifikace upřesňující výsledky následnou meta-analýzou nalezených kandidátů lézí pomocí náhodného lesa. Dosažené výsledky byly objektivně vyhodnoceny a porovnány s výsledky algoritmů publikovaných jinými autory. Pro hodnocení byly použity dva přístupy: technický, voxelově založený a klinický, objektově založený. Dosažené výsledky byly následně zhodnoceny a diskutovány.cs
dc.description.abstractThe aim of this work was the development of algorithms for detection segmentation and classification of difficult to define bone metastatic cancerous lesions from spinal CT image data. For this purpose, the patient database was created and annotated by medical experts. Successively, three methods were proposed and developed; the first of them is based on the reworking and combination of methods developed during the preceding project phase, the second method is a fast variant based on the fuzzy k-means cluster analysis, the third method uses modern machine learning algorithms, specifically deep learning of convolutional neural networks. Further, an approach that elaborates the results by a subsequent random forest based meta-analysis of detected lesion candidates was proposed. The achieved results were objectively evaluated and compared with results achieved by algorithms published by other authors. The evaluation was done by two objective methodologies, technical voxel-based and clinical object-based ones. The achieved results were subsequently evaluated and discussed.en
dc.description.markPcs
dc.identifier.citationCHMELÍK, J. Metody detekce, segmentace a klasifikace obtížně definovatelných kostních nádorových lézí ve 3D CT datech [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.cs
dc.identifier.other127855cs
dc.identifier.urihttp://hdl.handle.net/11012/195562
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.subjectsegmentacecs
dc.subjectklasifikacecs
dc.subjectdetekcecs
dc.subjectnádorcs
dc.subjectlézecs
dc.subjectmetastázacs
dc.subjectobratelcs
dc.subjectpáteřcs
dc.subjectCTcs
dc.subjectstrojové učenícs
dc.subjectCNNcs
dc.subjecthluboké učenícs
dc.subjectsegmentationen
dc.subjectclassificationen
dc.subjectdetectionen
dc.subjecttumouren
dc.subjectlesionen
dc.subjectmetastasisen
dc.subjectvertebraen
dc.subjectspineen
dc.subjectCTen
dc.subjectmachine learningen
dc.subjectCNNen
dc.subjectdeep learningen
dc.titleMetody detekce, segmentace a klasifikace obtížně definovatelných kostních nádorových lézí ve 3D CT datechcs
dc.title.alternativeMethods of Detection, Segmentation and Classification of Difficult to Define Bone Tumor Lesions in 3D CT Dataen
dc.typeTextcs
dc.type.driverdoctoralThesisen
dc.type.evskpdizertační prácecs
dcterms.dateAccepted2020-09-29cs
dcterms.modified2024-05-17-12:51:57cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid127855en
sync.item.dbtypeZPen
sync.item.insts2025.03.27 11:58:26en
sync.item.modts2025.01.17 12:54:17en
thesis.disciplineBiomedicínská elektronika a biokybernetikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelDoktorskýcs
thesis.namePh.D.cs
Files
Original bundle
Now showing 1 - 5 of 5
Thumbnail Image
Name:
final-thesis.pdf
Size:
19.11 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
thesis-1.pdf
Size:
4.2 MB
Format:
Adobe Portable Document Format
Description:
thesis-1.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-Posudek oponenta prof. Flusser_disertace Ing. Chmelik.pdf
Size:
804.37 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Oponent prace-Posudek oponenta prof. Flusser_disertace Ing. Chmelik.pdf
Download
Thumbnail Image
Name:
Posudek-Oponent prace-Posudek oponenta prof. Kozubek_disertace Ing. Chmelik.pdf
Size:
3.36 MB
Format:
Adobe Portable Document Format
Description:
Posudek-Oponent prace-Posudek oponenta prof. Kozubek_disertace Ing. Chmelik.pdf
Download
Thumbnail Image
Name:
review_127855.html
Size:
2.82 KB
Format:
Hypertext Markup Language
Description:
file review_127855.html
Download
Collections
2020