Využití strojového učení pro generování medicínských obrazů
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
Tato práce se zabývá využitím generativních soutěživých sítí pro generování medicínských obrazů. Nejdříve jsou popsány umělé neuronové sítě se zaměřením na konvoluční neuronové sítě a generativní soutěživé sítě. Je vypracována rešerše na využití generativních soutěživých sítí v medicíně a jsou blíže popsány vybrané publikace na téma syntézy medicínských obrazů. V programovém prostředí Python je implementován model hluboce konvoluční generativní soutěživé sítě pro generování syntetických obrazů kožních lézí a model „pix2pix“ pro tři aplikace. První aplikací modelu „pix2pix“ je generování obrazů kožních lézí, druhou je generování CT obrazů axiálních řezů páteře a poslední aplikací je generování CT obrazů sagitálních řezů páteře. Na závěr jsou prezentovány a diskutovány výsledky generování medicínských obrazů pomocí generativních soutěživých sítí.
This thesis deals with the use of generative adversarial networks for the synthesis of medical images. Firstly, artificial neural networks are described with a focus on convolutional neural networks and generative adversarial networks. Applications of generative adversarial networks in medicine are reviewed, and selected publications on the topic of medical image synthesis are described in more detail. Furthermore, multiple models of generative adversarial networks are designed and implemented in the Python programming language. First is a model of the deep convolutional generative adversarial network and the model „pix2pix“ for the generation of skin lesion images. Moreover, the „pix2pix“ model is used for the generation of both axial and sagittal CT images of the spine. Finally, the results of generating medical images using generative adversarial networks are presented and discussed.
This thesis deals with the use of generative adversarial networks for the synthesis of medical images. Firstly, artificial neural networks are described with a focus on convolutional neural networks and generative adversarial networks. Applications of generative adversarial networks in medicine are reviewed, and selected publications on the topic of medical image synthesis are described in more detail. Furthermore, multiple models of generative adversarial networks are designed and implemented in the Python programming language. First is a model of the deep convolutional generative adversarial network and the model „pix2pix“ for the generation of skin lesion images. Moreover, the „pix2pix“ model is used for the generation of both axial and sagittal CT images of the spine. Finally, the results of generating medical images using generative adversarial networks are presented and discussed.
Description
Citation
HRTOŇOVÁ, V. Využití strojového učení pro generování medicínských obrazů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
doc. Ing. Martin Černý, Ph.D. (předseda)
doc. Ing. Radim Kolář, Ph.D. (místopředseda)
Ing. Radovan Smíšek (člen)
Ing. Helena Škutková, Ph.D. (člen)
MUDr. Zuzana Nováková, Ph.D. (člen)
Date of acceptance
2021-06-16
Defence
Studentka prezentovala výsledky své práce a komise byla seznámena s posudky.
Doc. Ing. Černý, Ph.D. položil otázku: Byl Python součastí studia na bakalářském stupni?
Ing. Škutková, Ph.D. položila otázku: Proč jste se rozhodla pro různé typy dat?
Ing. Smíšek položil otázku: Jak lze zhodnotit kvalitu vygenerovaných snímků?
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