X-Ray Image Analysis and Processing

Lukáš Jochymek

Diplomová práce

Anotace:

Cílem této práce bylo navrhnout a otestovat nové metody strojového učení určené k odstranění nechtěných částí v rentgenových snímcích, v případě této práce se jedná hlavně o žebra. Tato úprava by měla pomoct s následnou analýzou. Práce se zaměřuje nejen na návrh nových metod ale také na jejich vzájemné srovnání nad jak anotovanou datovou sadou tak datovou sadou poskytnutou Fakultní nemocnicí Olomouc. Kromě výsledků pro jednotlivé přístupy bych rád zmínil vysoký výkon navržené generativní soupeřící sítě, která dosahuje oproti ostatním přístupům excelentních výsledků.

Abstract:

The aim of this master thesis was to design and test new machine learning methods designed to remove unwanted parts in X-ray images, in the case of this work it is mainly ribs. This modification should help with the subsequent analysis. The work focuses not only on the design of the new methods but also on their inter-comparison over both the annotated dataset and the dataset provided by Olomouc University Hospital. In addition to the results for each approach, I would like to mention the high performance of the proposed generative adversarial network, which achieves excellent results compared to other approaches.

Klíčová slova

strojové učení, neuronové sítě, potlačení kostí, analýza obrazu, rentgenové snímky

Keywords

machine learning, neural networks, bone suppression, image analysis, x-ray images

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 30. 4. 2024

Obhajoba závěrečné práce

• Vedoucí: Petr Gajdoš
• Oponent: Jan Gaura

VŠB – Technická univerzita Ostrava

Fakulta elektrotechniky a informatiky

Magisterský studijní program:
Informatika