Detail práce

Hluboké neuronové sítě pro analýzu medicínských obrazových dat

Bakalářská práce Student: Szöllösi Albert Akademický rok: 2019/2020 Vedoucí: Španěl Michal, Ing., Ph.D.
Jazyk práce
slovenský
Abstrakt

Táto práca ponúka možné riešenie automatickej lokalizácie landmarkov v 3D dentálnych skenoch. Tieto skeny slúžia k uľahčeniu modelovania zubných koruniek pomocou špecializovaného softvéru. Predtým však musia byť anotované, aby softvér vedel určiť, kde sa jednotlivé zuby nachádzajú. Anotácia prebieha ručne, čo síce zaručuje presnosť, ale zaberá veľa času. Výsledok tejto práce by mohol spomínaný postup výrazne zjednodušiť aplikovaním hlbokého učenia. Na lokalizáciu landmarkov bola použitá regresia tepelných máp. Z výsledkov regresie boli následne vypočítané odhadované súradnice jednotlivých landmarkov. 

Klíčová slova

hlboké učenie, analýza medicínskych obrazových dát, lokalizácia landmarkov, dentálny sken

Ústav
Ústav počítačové grafiky a multimédií FIT VUT v Brně
Studijní program
Informační technologie
Soubory
Stav
neobhájeno
Obhajoba
8. července 2020
Oponent
Kodym Oldřich, Ing., Ph.D.
Průběh obhajoby

Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Komise shledala nedostatky práce natolik závažné, že se práci rozhodla hodnotit jako nevyhovující z důvodu nedostatečného popisu implementace, nesplnění minimálního rozsahu technické zprávy a formálních nedostatků.

Otázky u obhajoby
  1. Mezi chybějícími body v tabulce 5.2 se objevují některé zuby častěji, než je celkový počet dat. Jak velká tedy konkrétně byla trénovací a testovací sada a jakým způsobem byla testovací data vybrána?
  2. Jaký význam má vynásobení cílových heatmap konstantou oproti zvýšení trénovacího kroku?
  3. V závěru uvádíte, že pro společný model ("shared") mělo význam použít L2 regularizaci, dropout však ne. Z obrázků 5.6 a 5.9 se však zdá, že efekt obou technik je velmi podobný. Z čeho tedy tento závěr vychází?
  4. Co obsahují osy obrázků?
  5. Proč se obsah práce liší oproti formátu ve WIS?
  6. Co jste implementoval?
  7. Proč je práce velmi krátká?
  8. Anotaci datasetu jste dělal sám?
  9. Kolik jste na-anotoval snímků?
Komise
Čadík Martin, doc. Ing., Ph.D. (UPGM FIT VUT), předseda
Bařina David, Ing., Ph.D. (UPGM FIT VUT), člen
Burget Radek, doc. Ing., Ph.D. (UIFS FIT VUT), člen
Holík Lukáš, doc. Mgr., Ph.D. (UITS FIT VUT), člen
Jaroš Jiří, doc. Ing., Ph.D. (UPSY FIT VUT), člen
Citace
SZÖLLÖSI, Albert. Hluboké neuronové sítě pro analýzu medicínských obrazových dat. Brno, 2020. Bakalářská práce. Vysoké učení technické v Brně, Fakulta informačních technologií. 2020-07-08. Vedoucí práce Španěl Michal. Dostupné z: https://www-dev.fit.vutbr.cz/study/thesis/22662/
BibTeX 
@bachelorsthesis{FITBT22662,
    author = "Albert Sz{\"{o}}ll{\"{o}}si",
    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 = 2020,
    location = "Brno, CZ",
    language = "slovak",
    url = "https://www.fit.vut.cz/study/thesis/22662/"
}

Závěrečné práce

Nahoru