Software pro automatizovanou identifikaci a modelování pankreatu a tukové tkáně z MR obrazových dat

Kristýna Kubíková

Master's thesis

Software for Automatic Identification and Modeling of Pancreas and Adipose Tissue from MR Images

Abstract:

Tato diplomová práce popisuje fyziologii a patologii pankreatu se zaměřením na přítomnost tuku. Dále popisuje principy zobrazování pankreatu pomocí magnetické rezonance a metody pro identi- fikaci pankreatu z těchto snímků. Cílem této práce je segmentace pankreatu z reálných snímků z magnetické rezonance a kvantifikace tukové tkáně pankreatu. Pro segmentaci byly použity obrazy z T1 vážené VIBE DIXON sekvence. Byla vytvořena hybridní metoda, která využívá neuronové sítě na základě architektury U-Net a metody Sparse field, která funguje na principu aktivních kontur. Kvantifikace tukové tkáně je řešena výpočtem tukové frakce, která je vypočítána z mapy tuku a vody, které poskytuje Dixonova sekvence. Pro snadné použití bylo vytvořeno uživatelské rozhrazní umožňující segmentaci obrazů pankreatu, ale také evaluaci kvality segmentace a kvantifikaci tukové tkáně. Implementace veškerých experimentů byla provedena v prostředí MATLAB.

Abstract:

This master thesis describes the physiology and pathology of the pancreas with emphasis on fat presence. It also describes the principles of magnetic resonance imaging and methods for identifying the pancreas from these images. The aim of this thesis is the pancreas segmentation from real magnetic resonance images and quantification of pancreas fat tissue. Images from the T1-VIBE DIXON sequence were used for the segmentation. A hybrid method was created, which uses U-Net neural network and the Sparse field method, which works on the principle of active contours. The quantification of adipose tissue is solved by calculating the fat fraction, which is calculated from the fat and water map provided by the Dixon sequence. For ease of use, a user interface has been created to allow segmentation of pancreatic images, as well as evaluation of segmentation quality and adipose tissue quantification. The implementation of all experiments was performed in the MATLAB environment.

Keywords

MRI, pankreas, segmentace obrazu, neuronové sítě, aktivní kontury, Dixonova sekvence, U-Net

Keywords

MRI, pancreas, image segmentation, neural networks, active contours, Dixon sequence, U-Net

Language used: Czech

Date on which the thesis was submitted / produced: 30. 4. 2021

Thesis defence

• Date of defence: 3. 6. 2021
• Supervisor: Jan Kubíček
• Reader: Marek Bužga

VSB – Technical University of Ostrava

Fakulta elektrotechniky a informatiky

Master programme:
Biomedicínské inženýrství