Metody detekce, segmentace a klasifikace obtížně definovatelných kostních nádorových lézí ve 3D CT datech

Abstract
Cílem této práce byl vývoj algoritmů pro detekci, segmentaci a klasifikaci obtížně definovatelných kostních metastatických nádorových lézí v oblasti páteře z obrazových CT dat. Pro tyto účely byla vytvořena pacientská databáze anotovaná lékařskými experty. Postupně byly navrženy tři metody, z nichž první je založena na přepracování a kombinaci metod dostupných z předchozího řešení projektu, druhá je velmi rychlá varianta založená na fuzzy k-means shlukové analýze, třetí metoda využívá moderních metod strojového učení, konkrétně hluboké učení konvolučních neuronových sítí. Dále byla navržena modifikace upřesňující výsledky následnou meta-analýzou nalezených kandidátů lézí pomocí náhodného lesa. Dosažené výsledky byly objektivně vyhodnoceny a porovnány s výsledky algoritmů publikovaných jinými autory. Pro hodnocení byly použity dva přístupy: technický, voxelově založený a klinický, objektově založený. Dosažené výsledky byly následně zhodnoceny a diskutovány.
The aim of this work was the development of algorithms for detection segmentation and classification of difficult to define bone metastatic cancerous lesions from spinal CT image data. For this purpose, the patient database was created and annotated by medical experts. Successively, three methods were proposed and developed; the first of them is based on the reworking and combination of methods developed during the preceding project phase, the second method is a fast variant based on the fuzzy k-means cluster analysis, the third method uses modern machine learning algorithms, specifically deep learning of convolutional neural networks. Further, an approach that elaborates the results by a subsequent random forest based meta-analysis of detected lesion candidates was proposed. The achieved results were objectively evaluated and compared with results achieved by algorithms published by other authors. The evaluation was done by two objective methodologies, technical voxel-based and clinical object-based ones. The achieved results were subsequently evaluated and discussed.
Description
Citation
CHMELÍK, J. Metody detekce, segmentace a klasifikace obtížně definovatelných kostních nádorových lézí ve 3D CT datech [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Biomedicínská elektronika a biokybernetika
Comittee
prof. Ing. Ivo Provazník, Ph.D. (předseda) doc. Ing. Radim Kolář, Ph.D. (člen) prof. Ing. Adam Herout, Ph.D. (člen) Prof. MUDr. Milan Brázdil, Ph.D. (člen) doc. Ing. Lenka Lhotská, CSc. (člen) prof. RNDr. Jan Flusser, Ph.D. DSc. - oponent (člen) prof. RNDr. Michal Kozubek, Ph.D. - oponent (člen)
Date of acceptance
2020-09-29
Defence
Doktorand ve vymezeném čase dostatečně podrobně prezentoval výsledky své dizertační práce. V rámci diskuse uspokojivě odpověděl na dotazy obou oponentů a dotazy dalších členů komise.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO