Diplomové práce
Segmentace objemových radiologických snímků pomocí hlubokých neuronových sítí
Autor
Matyáš Turek
Rok
2025
Typ
Diplomová práce
Vedoucí
prof. Ing. Vanda Benešová, CSc.
Oponenti
prof. RNDr. Pavel Surynek, Ph.D.
Katedra
Anotace
Tato práce se zabývá segmentací lézí hypoxicko-ischemické encefalopatie u novorozenců v MRI snímcích s využitím hlubokých neurnonových sítí. Práce prozkoumává a implementuje různé přístupy, jako například super resolution a syntéza dat k dosažení přesnější segmentace na datasetu BONBID-HIE. V rámci práce jsme implementovali funkční pipeline pro vytvoření super resolution 3D MRI snímků, pipeline pro vytvoření syntetických lézí, které se dále vkládali do snímků z datasetu a také segmentační pipeline. Výsledky byly diskutovány a porovnány.
Počítačové vidění a metody hlubokého učení pro digitální zpracování histopatologických snímků
Autor
Vojtěch Müller
Rok
2025
Typ
Diplomová práce
Vedoucí
prof. Ing. Vanda Benešová, CSc.
Oponenti
Ing. Daniel Vašata, Ph.D.
Katedra
Anotace
Tato diplomová práce se zaměřuje na pokročilé metody zpracování digitálních histopatologických obrazů s cílem zlepšit predikci rakoviny melanomu s využitím PUMA datasetu. Práce se soustředí na analýzu současných řešení pro panoptickou segmentaci v histopatologických datech. Navrhuje segmentační pipeline ve formě vybraného state-of-the-art modelu TransUnet, který je dále modifikován, společně s Autoencoderem pro spojování rozřezaného obrázku. Tato pipeline překonává existující řešení o 0.06 DICE skóre. Práce zahrnuje detailní popis předzpracování dat, optimalizaci hyperparametrů a implementaci vybraných modelů.