Hluboké neuronové sítě pro analýzu medicínských dat

Abstract

Cieľom tejto práce je použitie 2D konvolučných neurónových sietí pre segmentáciu a detekciu zubov na 3D modeli čeľusti s využitím viac pohľadovej metódy. Pohľad je vyrendrovaný 2D obrázok 3D modelu. Následne na akýkoľvek 3D model zubov je možné použiť natrénované modely neurónových sietí v PyQt aplikáciach. Pri práci bol vytvorený vlastný anotačný skript na anotáciu zubov ako aj landmarkov. Táto práca rieši problém s dostupnosťou anotovaných 3D datasetov v medicínskom priemysle pomocou automatizácie v generovaní masiek z rôznych pohľadov na 3D modely.

The goal of this bachelor's thesis is to use the 2D convolutional neural network on the 3D model dataset by multi-view methods. The view is 2D picture of 3D model. The result are Pyqt applications, where is possible to load the 3D model of teeth and predict the location of landmarks and teeth by object segmentation and object detection. During this thesis, an annotation's script was created for the annotation of 3D models for landmarks of teeth and teeth themself. This thesis solves the problem of the small availability of annotated 3D datasets in the medical industry by automating generating binary masks from different views on 3D models.