| Title: | Navigace ve snímcích břišní dutiny z výpočetní tomografie |
| Other Titles: | Navigation in the abdominal cavity from computed tomography |
| Authors: | Javorek, Václav |
| Advisor: | Jiřík Miroslav, Ing. Ph.D. |
| Referee: | Gruber Ivan, Ing. Ph.D. |
| Issue Date: | 2021 |
| Publisher: | Západočeská univerzita v Plzni |
| Document type: | bakalářská práce |
| URI: | http://hdl.handle.net/11025/44976 |
| Keywords: | neuronové sítě;konvoluční neuronové sítě;u-net;segmentace;python;tensorflow;keras;výpočetní tomografie;zpracování obrazu;počítačové vidění;umělá inteligence;anatomie;medicína;játra;ledviny;slezina;břišní dutina |
| Keywords in different language: | neural networks;convolutional neural networks;u-net;segmentation;python;tensorflow;keras;computed tomography;image processing;computer vision;artificial intelligence;anatomy;medicine;liver;kidney;spleen;abdomen |
| Abstract: | Metody počítačového vidění jsou používány v medicíně a radiologii už řadu let. Pro segmentaci obrazových dat z výpočetní tomografie byly vyvinuty algoritmy, jejichž cílem je zautomatizovat zpracování dat a usnadnit tak práci radiologům a lékařům. Tato práce na předchozí výzkum navazuje a uplatňuje moderní přístup konvolučních neuronových sítí. S využitím kvalitního normalizovaného datasetu byly natrénovány modely, které se snaží vyrovnat nebo vylepšit výsledky klasických metod počítačového vidění, jako je např. segmentace orgánů břišní dutiny. Vytvořené modely mají specifickou architekturu U-Net - plně konvoluční neuronové sítě. Jejich výstupem jsou znaménkované vzdálenostní mapy, udávající pro každý bod CT řezu jeho vzdálenost k segmentované struktuře. Jako základ pro trénování (ground truth) byly použity robustní segmentační metody knihovny bodynavigation. V neposlední řadě je cílem této práce segmentaci výrazně urychlit. |
| Abstract in different language: | Methods of computer vision are being used in medicine and radiology for quite some time. Computed tomography image data segmentation programs have been developed to automate data processing and make the work of radiologists and doctors easier. This thesis builds on previous research and applies a modern convolutional neural network approach. Using a high-quality normalized dataset, models were trained that attempt to match or improve the results of classical computer vision methods such as abdominal organ segmentation. The models developed have a specific U-Net architecture - a fully convolutional neural network. Their output is a signed distance field indicating for each point of the CT slice its distance to the segmented structure. The robust segmentation methods of the bodynavigation library were used as the basis for training (ground truth). Last but not least, the aim of this work is to speed up the segmentation significantly. |
| Rights: | Plný text práce je přístupný bez omezení. |
| Appears in Collections: | Bakalářské práce / Bachelor´s works (KKY) |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| BP_Javorek.pdf | Plný text práce | 28,23 MB | Adobe PDF | View/Open |
| javorek-v.pdf | Posudek vedoucího práce | 310,52 kB | Adobe PDF | View/Open |
| javorek-o.pdf | Posudek oponenta práce | 286,73 kB | Adobe PDF | View/Open |
| javorek-p.pdf | Průběh obhajoby práce | 139,81 kB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/44976Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.