Detekce anatomických struktur v CT datech s využitím konvolučních neuronových sítí

Abstract

Tato diplomová práce se zabývá problematikou detekce anatomických struktur v medicínských obrazech s využitím konvolučních neuronových sítí (CNN). Nejprve jsou popsány metody strojového učení, konvoluční neuronové sítě a vybrané přístupy k detekci s využitím CNN. V rámci práce byla vytvořena databáze anotovaných CT snímků deseti anatomických struktur (hlava, srdce, aorta, levá a pravá plíce, páteř, játra, levá a pravá ledvina, slezina). Dále byla navržena metoda umožňující jejich detekci, která obsahuje dva postupy získání oblastí ze snímku, CNN a závěrečné zpracování pro získání výsledku detekce. Navržený algoritmus byl implementován v programovacím jazyce Python s využitím knihovny TensorFlow. Získané výsledky validace sítě a výsledky detekce jsou uvedeny a diskutovány v poslední kapitole.

This thesis deals with the issue of detection of anatomical structures in medical images using convolutional neural networks (CNN). At first there are described methods of machine learning, convolutional neural networks and selected methods for detection using CNN. In this work was created a database of annotated CT images of ten anatomical structures (head, heart, aorta, left and right lung, spine, liver, left and right kidney, spleen). A method for detecting these structures was designed, that contains two approaches of region proposals from image, CNN and postprocessing to obtain the detection result. The designed algorithm was implemented in the Python programming language using the TensorFlow library. Obtained results of validation of the network and the detection results are presented and discussed in the last chapter.