Detekce cizích objektů v rentgenových snímcích hrudníku s využitím metod strojového učení
| but.committee | doc. Ing. Radim Kolář, Ph.D. (předseda) Ing. Jan Odstrčilík, Ph.D. (místopředseda) Mgr. Ing. Karel Sedlář, Ph.D. (člen) Ing. Roman Jakubíček, Ph.D. (člen) MUDr. Jaromír Gumulec, Ph.D. (člen) | cs |
| but.defence | Studentka prezentovala výsledky své práce a komise byla seznámena s posudky. MUDr. Gumulec položil otázku: RTG hrudníku jsou běžné záznamy vč. patologií? Ing. Jakubíček položil otázku: Co jste navrhla v R-CNN? Na kolika vrstvách byl ResNet použit? Popište osy grafu na obr. 2.7. Studentka obhájila diplomovou práci a odpověděla na otázky členů komise a oponenta. | cs |
| but.jazyk | čeština (Czech) | |
| but.program | Biomedicínské inženýrství a bioinformatika | cs |
| but.result | práce byla úspěšně obhájena | cs |
| dc.contributor.advisor | Chmelík, Jiří | cs |
| dc.contributor.author | Matoušková, Barbora | cs |
| dc.contributor.referee | Kolář, Radim | cs |
| dc.date.accessioned | 2021-06-10T06:55:39Z | |
| dc.date.available | 2021-06-10T06:55:39Z | |
| dc.date.created | 2021 | cs |
| dc.description.abstract | Cizí objekty v RTG snímcích hrudníku způsobují komplikace během automatického zpracování snímku. Abychom zabránily chybám, které vznikají právě kvůli těmto cizím objektům, je třeba je nejprve automaticky vyhledat a z následné analýzy je vynechat. Jedná se především o knoflíky, šperky, implantáty, dráty či trubičky. Zároveň nalezení pacemakerů a jiných voperovaných zařízení může pomoct při automatickém zpracování. Cílem této práce bylo navrhnout metodu pro detekci cizích objektů v RTG snímcích hrudníku. Pro tento úkol byla zvolena metoda Faster R-CNN s předtrénovanou sítí ResNet50 pro extrakci příznaků, která byla natrénována na 4 000 snímcích a následně otestována na 1 000 snímcích z veřejně dostupné databáze. Po nalezení optimálních učících parametrů se podařilo natrénovat síť, která dosahuje 75% přesnosti, 77% senzitivity a 76% F1 skóre. Určitá část chyby je ovšem tvořena nejednotnými anotacemi objektů v datech, kdy ne všechny anotované cizí objekty se nachází v oblasti plic, jak je udáno v popisu. | cs |
| dc.description.abstract | Foreign objects in Chest X-ray (CXR) cause complications during automatic image processing. To prevent errors caused by these foreign objects, it is necessary to automatically find them and ommit them in the analysis. These are mainly buttons, jewellery, implants, wires and tubes. At the same time, finding pacemakers and other placed devices can help with automatic processing. The aim of this work was to design a method for the detection of foreign objects in CXR. For this task, Faster R-CNN method with a pre-trained ResNet50 network for feature extraction was chosen which was trained on 4 000 images and lately tested on 1 000 images from a publicly available database. After finding the optimal learning parameters, it was managed to train the network, which achieves 75% precision, 77% recall and 76% F1 score. However, a certain part of the error is formed by non-uniform annotations of objects in the data because not all annotated foreign objects are located in the lung area, as stated in the description. | en |
| dc.description.mark | A | cs |
| dc.identifier.citation | MATOUŠKOVÁ, B. Detekce cizích objektů v rentgenových snímcích hrudníku s využitím metod strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021. | cs |
| dc.identifier.other | 134413 | cs |
| dc.identifier.uri | http://hdl.handle.net/11012/197012 | |
| dc.language.iso | cs | cs |
| dc.publisher | Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií | cs |
| dc.rights | Standardní licenční smlouva - přístup k plnému textu bez omezení | cs |
| dc.subject | detekce objektů v obrazech | cs |
| dc.subject | Faster R-CNN | cs |
| dc.subject | RTG | cs |
| dc.subject | plíce | cs |
| dc.subject | strojové učení | cs |
| dc.subject | hluboké učení | cs |
| dc.subject | RPN | cs |
| dc.subject | object detection in images | en |
| dc.subject | Faster R-CNN | en |
| dc.subject | X-ray | en |
| dc.subject | lungs | en |
| dc.subject | machine learning | en |
| dc.subject | deep learning | en |
| dc.subject | RPN | en |
| dc.title | Detekce cizích objektů v rentgenových snímcích hrudníku s využitím metod strojového učení | cs |
| dc.title.alternative | Detection of foreign objects in X-ray chest images using machine learning methods | en |
| dc.type | Text | cs |
| dc.type.driver | masterThesis | en |
| dc.type.evskp | diplomová práce | cs |
| dcterms.dateAccepted | 2021-06-09 | cs |
| dcterms.modified | 2021-06-10-13:53:46 | cs |
| eprints.affiliatedInstitution.faculty | Fakulta elektrotechniky a komunikačních technologií | cs |
| sync.item.dbid | 134413 | en |
| sync.item.dbtype | ZP | en |
| sync.item.insts | 2021.11.12 16:13:54 | en |
| sync.item.modts | 2021.11.12 15:50:23 | en |
| thesis.discipline | bez specializace | cs |
| thesis.grantor | Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrství | cs |
| thesis.level | Inženýrský | cs |
| thesis.name | Ing. | cs |
Files
Original bundle
1 - 3 of 3
Loading...
- Name:
- final-thesis.pdf
- Size:
- 13.56 MB
- Format:
- Adobe Portable Document Format
- Description:
- final-thesis.pdf
Loading...
- Name:
- review_134413.html
- Size:
- 4.97 KB
- Format:
- Hypertext Markup Language
- Description:
- review_134413.html