Show simple item record

Deep Learning for Medical Image Analysis

dc.contributor.advisorŠpaněl, Michalcs
dc.contributor.authorOsvald, Martincs
dc.date.accessioned2021-08-30T20:52:51Z
dc.date.available2021-08-30T20:52:51Z
dc.date.created2021cs
dc.identifier.citationOSVALD, M. Hluboké neuronové sítě pro analýzu medicínských dat [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.cs
dc.identifier.other137573cs
dc.identifier.urihttp://hdl.handle.net/11012/201100
dc.description.abstractCieľom 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.cs
dc.description.abstractThe 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.en
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectMedicínske dátacs
dc.subjectSegmentácia zubovcs
dc.subjectDetekcia Zubov Landmarkcs
dc.subjectOrtodonciacs
dc.subjectViac-pohľadová metódacs
dc.subject2D konvolučné sietecs
dc.subject3D objektová klasifikáciucs
dc.subjectU-Netcs
dc.subjectYolo v3cs
dc.subjectMask-RCNNcs
dc.subjectBlendercs
dc.subjectSTL modelcs
dc.subjectAnotačný skript.cs
dc.subjectMedical dataen
dc.subjectTeeth segmentationen
dc.subjectTeeth detectionen
dc.subjectLandmarken
dc.subjectOrthodonticsen
dc.subjectMulti-view methoden
dc.subject2D convolutional neural networken
dc.subject3D object classificationen
dc.subjectU-Neten
dc.subjectYolo v3en
dc.subjectMaskRCNNen
dc.subjectBlenderen
dc.subjectSTL modelen
dc.subjectAnotation script.en
dc.titleHluboké neuronové sítě pro analýzu medicínských datcs
dc.title.alternativeDeep Learning for Medical Image Analysisen
dc.typeTextcs
dcterms.dateAccepted2021-08-25cs
dcterms.modified2021-08-27-17:16:45cs
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačové grafiky a multimédiícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
sync.item.dbid137573en
sync.item.dbtypeZPen
sync.item.insts2021.11.22 23:00:38en
sync.item.modts2021.11.22 21:54:47en
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
dc.contributor.refereeJuránek, Romancs
dc.description.markDcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
but.committeeprof. Dr. Ing. Pavel Zemčík (předseda) prof. Ing. Jan M. Honzík, CSc. (místopředseda) doc. Ing. Jiří Jaroš, Ph.D. (člen) Ing. Filip Orság, Ph.D. (člen) Ing. Michal Španěl, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm D. Otázky u obhajoby: Z jakého důvodu se nerozlišují spodní a horní čelisti? Zuby přece nejsou přesně stejné. Proč se pro tvorbu vstupu sítě používá perspektivní kamera? Jaké to má nevýhody? Jaké jsou další možnosti? Proč je vstupem sítě vždy jen obraz, jaké další vstupy by bylo možné využít? Dala by se použít pozice zubu k jeho klasifikaci? Jak přesná je vaše klasifikace?cs
but.resultpráce byla úspěšně obhájenacs
but.programInformační technologiecs
but.jazykčeština (Czech)


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record