Vícetřídá segmentace 3D lékařských dat pomocí hlubokého 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
Diplomová práce se zabývá segmentací obrazu do více tříd pomocí konvolučních neuronových sítí. Teoretická část práce se zaměřuje na souhrn problematiky segmentace obrazu, kde jsou popsány základní principy fungování jak samotných neuronových sítí, tak segmentací obrazu včetně popsání jejich různých typů a variant. V praktické částí je zvolena pro segmentace obrazu a podrobněji popsána architektura U-net, která byla aplikována na dataset medicínských dat. Dále je tu popsán postup zpracování trojrozměrných dat, jejich předzpracování a metody, jakými byla provedena celá vícetřídá segmentace. Závěr práce vyhodnocuje dosažené výsledky a zasazuje je do širšího kontextu.
Master's thesis deals with multiclass image segmentation using convolutional neural networks. The theoretical part of the Master's thesis focuses on image segmentation. There are basics principles of neural networks and image segmentation with more types of approaches. In practical part the Unet architecture is choosen and is described for image segmentation more. U-net was applied for medicine dataset. There is processing procedure which is more described for image proccesing of three-dimmensional data. There are also methods for data preproccessing which were applied for image multiclass segmentation. Final part of current master's thesis evaluates results.
Master's thesis deals with multiclass image segmentation using convolutional neural networks. The theoretical part of the Master's thesis focuses on image segmentation. There are basics principles of neural networks and image segmentation with more types of approaches. In practical part the Unet architecture is choosen and is described for image segmentation more. U-net was applied for medicine dataset. There is processing procedure which is more described for image proccesing of three-dimmensional data. There are also methods for data preproccessing which were applied for image multiclass segmentation. Final part of current master's thesis evaluates results.
Description
Keywords
Citation
SLUNSKÝ, T. Vícetřídá segmentace 3D lékařských dat pomocí hlubokého 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
Telekomunikační a informační technika
Comittee
prof. Ing. Ivan Baroňák, Ph.D. (předseda)
doc. Ing. Václav Zeman, Ph.D. (místopředseda)
Ing. Radomír Svoboda, Ph.D. (člen)
Ing. Stanislav Uchytil, Ph. D. (člen)
Ing. Miroslav Balík, Ph.D. (člen)
doc. Ing. Petr Münster, Ph.D. (člen)
Date of acceptance
2019-06-05
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil magisterskou práci a odpověděl na otázky členů komise a oponenta.
Otázky:
Jaké změny v architektuře a nastavení U-Net sítě jste provedl vůči originálnímu řešení?
Jakou velikost má obraz v páté úrovni zanoření (nejmenší velikost obrazu v síti), má tato úrověň ještě vliv na výsledek?
Máte informaci o odbornosti anotátorů segmentačních masek?
V jaké úrovni abstrakce jste program implementoval? Jednalo se o implementaci algoritmu pomocí knihoven s vyšší mírou abstrakce, nebo o přímou implementaci v jazyku CUDA?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení