but.committee	doc. Ing. Peter Chudý, Ph.D., MBA (předseda) doc. RNDr. Pavel Smrž, Ph.D. (místopředseda) doc. Ing. Petr Matoušek, Ph.D., M.A. (člen) Ing. Filip Orság, Ph.D. (člen) doc. Ing. Zdeněk Vašíček, 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 E. Otázky u obhajoby: Jakým způsobem bylo přesně provedeno rozdělení dat na trénovací, validační a testovací sady?	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	Szöllösi, Albert	cs
dc.contributor.referee	Kodym, Oldřich	cs
dc.date.created	2020	cs
dc.description.abstract	Táto práca ponúka možné riešenie automatickej lokalizácie anatomických landmarkov v 3D dentálnych skenoch. Tieto skeny slúžia k uľahčeniu modelovania zubných koruniek a ortodontických aparátov pomocou špecializovaného softvéru. Predtým však musia byť anotované, aby softvér vedel určiť, kde sa jednotlivé zuby nachádzajú. Anotácia prebieha ručne, čo síce zaručuje presnosť, ale zaberá veľa času. Výsledok tejto práce by mohol spomínaný postup výrazne zjednodušiť aplikovaním hlbokého učenia. Lokalizácia landmarkov bola riešená pomocou konvolučnej neurónovej siete.	cs
dc.description.abstract	This thesis offers possible solution to automatic 3D dental scan landmark localization. These scans are used in dental crown design and digital orthodontics to make the design process easier using specialized software. Before that, though, the scan has to be annotated for the software to know the positions of the teeth. The annotation process is done manually, which guarantees precision, but takes a lot of time. The result of this work could make said process much simpler by applying deep learning. Landmark localization was implemented using a convolutional neural network.	en
dc.description.mark	E	cs
dc.identifier.citation	SZÖLLÖSI, A. Hluboké neuronové sítě pro analýzu medicínských obrazových dat [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.	cs
dc.identifier.other	129885	cs
dc.identifier.uri	http://hdl.handle.net/11012/194957
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	hlboké učenie	cs
dc.subject	analýza medicínskych obrazových dát	cs
dc.subject	lokalizácia landmarkov	cs
dc.subject	dentálny sken	cs
dc.subject	deep learning	en
dc.subject	medical image data analysis	en
dc.subject	landmark localization	en
dc.subject	dental scan	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	2020-08-27	cs
dcterms.modified	2020-08-27-21:21:47	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	129885	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:33:15	en
sync.item.modts	2025.01.15 13:00:45	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