Detail práce

Hluboké neuronové sítě pro analýzu medicínských obrazových dat

Bakalářská práce Student: Trávníčková Kateřina Akademický rok: 2016/2017 Vedoucí: Španěl Michal, Ing., Ph.D.
Název anglicky
Deep Learning for Medical Image Analysis
Jazyk práce
český
Abstrakt

Tato bakalářská práce se zabývá analýzou medicínských objemových dat pomocí konvolučních neuronových sítí. Vstupem analýzy jsou CT snímky lidských končetin, výstupem pak vysegmentované kontury dlouhých kostí, humeru a tibie. Cílem práce je nalezení vhodného nastavení konvoluční neuronové sítě pro co nejpřesnější výstup analýzy. Jako metrika úspěšnosti byla zvolena plocha pod Precision-Recall křivkou (AUC). Nejlepší dosažená úspěšnost se pohybuje kolem 88 % (0.8778 AUC). Pro implementaci řešení byl použit framework Caffe, resp. caffe modul pro skriptovací jazyk python.

Klíčová slova

Konvoluce, konvoluční neuronové sítě, strojové učení, segmentace kontur objektu, medicínská objemová data, Caffe framework, pycaffe

Ústav
Ústav počítačové grafiky a multimédií FIT VUT v Brně
Studijní program
Informační technologie
Soubory
Stav
obhájeno, hodnocení B
Obhajoba
12. června 2017
Oponent
Hradiš Michal, Ing., Ph.D.
Průběh obhajoby

Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm B.

Otázky u obhajoby
  1. Jaký mají náhodné translace při generování datasetu vliv vzhledem k použití plně konvolučních sítí?
  2. Bylo by možné definovat úlohu detekce hran i jinak než jako segmentaci? 
  3. Jaký může mít současná definice úlohy vliv na výsledky vzhledem k možným nepřesnostem v anotacích a možné inherentní nejistoty lokalizace hrany?
  4. Co je spíše zdrojem chyby? Nejistota přítomnosti hrany, nebo nejistota její lokalizace?
Komise
Herout Adam, prof. Ing., Ph.D. (UPGM FIT VUT), předseda
Češka Milan, doc. RNDr., Ph.D. (UITS FIT VUT), člen
Drábek Vladimír, doc. Ing., CSc. (UPSY FIT VUT), člen
Hliněná Dana, doc. RNDr., Ph.D. (UMAT FEKT VUT), člen
Rychlý Marek, RNDr., Ph.D. (UIFS FIT VUT), člen
Citace
TRÁVNÍČKOVÁ, Kateřina. Hluboké neuronové sítě pro analýzu medicínských obrazových dat. Brno, 2017. Bakalářská práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2017-06-12. Vedoucí práce Španěl Michal. Dostupné z: https://www.fit.vut.cz/study/thesis/19460/
BibTeX 
@bachelorsthesis{FITBT19460,
    author = "Kate\v{r}ina Tr\'{a}vn\'{i}\v{c}kov\'{a}",
    type = "Bakal\'{a}\v{r}sk\'{a} pr\'{a}ce",
    title = "Hlubok\'{e} neuronov\'{e} s\'{i}t\v{e} pro anal\'{y}zu medic\'{i}nsk\'{y}ch obrazov\'{y}ch dat",
    school = "Vysok\'{e} u\v{c}en\'{i} technick\'{e} v Brn\v{e}, Fakulta informa\v{c}n\'{i}ch technologi\'{i}",
    year = 2017,
    location = "Brno, CZ",
    language = "czech",
    url = "https://www.fit.vut.cz/study/thesis/19460/"
}

Závěrečné práce

Nahoru