Identifikace typu obratlů z CT dat s využitím metod strojového učení
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Identifikace typu obratlů pomocí strojového učení je důležitý úkol pro usnadnění práce lékařů. Tento úkol je znesnadněn mnoha faktory. Za prvé se CT snímky páteře obvykle provádí u pacientů s patologiemi jako jsou léze, nádory, kyfóza, lordóza, skolióza či u pacientů s různými implantáty, které způsobují ve snímcích artefakty. Dále jsou si sousední obratle velmi podobné, což také tento úkol komplikuje. Tato práce se zabývá klasifikací již vysegmentovaných obratlů do skupin krční, hrudní a bederní. Pro klasifikaci je využita metoda podpůrných vektorů (SVM) a konvoluční neuronové sítě (CNN) AlexNet a VGG16. Dosažené výsledky jsou v závěru porovnány.
Identification of vertebrae type by machine learning is an important task to facilitate the work of medical doctors. This task is embarrassed by many factors. First, a spinal CT imagining is usually performed on patiens with pathologies such as lesions, tumors, kyphosis, lordosis, scoliosis or patients with various implants that cause artifacts in the images. Furthermore, the neighboring vertebraes are very similar which also complicates this task. This paper deals with already segmented vertebrae classification into cervical, thoracic and lumbar groups. Support vector machines (SVM) and convolutional neural networks (CNN) AlexNet and VGG16 are used for classification. The results are compared in the conclusion.
Identification of vertebrae type by machine learning is an important task to facilitate the work of medical doctors. This task is embarrassed by many factors. First, a spinal CT imagining is usually performed on patiens with pathologies such as lesions, tumors, kyphosis, lordosis, scoliosis or patients with various implants that cause artifacts in the images. Furthermore, the neighboring vertebraes are very similar which also complicates this task. This paper deals with already segmented vertebrae classification into cervical, thoracic and lumbar groups. Support vector machines (SVM) and convolutional neural networks (CNN) AlexNet and VGG16 are used for classification. The results are compared in the conclusion.
Description
Keywords
identifikace typu obratlů, strojové učení, výpočetní tomografie, klasifikace v medicíně, obratel, páteř, metoda podpůrných vektorů, konvoluční neuronové sítě, identification of vertebrae type, machine learning, computed tomography, classification in medicine, vertebra, spine, support vector machine, convolution neural networks
Citation
MATOUŠKOVÁ, B. Identifikace typu obratlů z CT dat s využitím metod strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Biomedicínská technika a bioinformatika
Comittee
doc. Ing. Radim Kolář, Ph.D. (předseda)
doc. Ing. Martin Rožánek, Ph.D. (místopředseda)
Ing. Marina Ronzhina, Ph.D. (člen)
Mgr. Ing. Karel Sedlář, Ph.D. (člen)
MUDr. Michal Jurajda, Ph.D. (člen)
doc. MUDr. Iva Slaninová, Ph.D. (člen)
Date of acceptance
2019-06-12
Defence
Studentka prezentovala výsledky své práce a komise byla seznámena s posudky. Ing. Ronzhina položila otázku: Zkoušela jste lineární variantu SVM přístupu? Kolik příznaků jste využila? Prováděla jste analýzu příznaků? Doc. Rožánek položil otázku: Jaká data jste použila? O jaké pacienty se jednalo? MUDr. Jurajda položil otázku: Jak byly získány masky obratlů? Doc. Kolář položil otázku: Jak by byla identifikace ovlivněna patologiemi obratlů? Studentka obhájila bakalářskou práci a odpověděla na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení