prof. Ing. Vanda Benešová, CSc.

  • Profil
  • Výuka
  • Závěrečné práce

Závěrečné práce

Dizertační práce

Výzkum nových metod počítačového vidění v lékařských aplikacích s využitím umělé inteligence

Stupeň
Téma dizertační práce
Popis tématu

Počítačové vidění získává stále důležitější postavení v automatickém zpracování lékařských vizuálních dat, zejména radiologických a histologických snímků. Nejdůležitější aktuální témata výzkumu počítačového vidění v medicínských aplikacích souvisejí s diagnostikou různých onemocnění a jejich cílem je poskytnout lékaři další relevantní informace, případně jej v automatickém či poloautomatickém režimu zbavit některých úkonů.

Ke splnění těchto cílů je nezbytný vývoj nových, robustních metod počítačového vidění s využitím moderních přístupů hlubokých neuronových sítí.

Výzvy vidíme nejen ve výzkumu nových metod počítačového vidění s využitím hlubokého učení, výzkumu jejich interpretovatelnosti a vysvětlitelnosti, v generování dat pro augmentaci dat, ale také v optimalizaci procesu iterativního vývoje nové medicínské aplikace, včetně efektivity procesu anotace.

Výzkum v průběhu doktorského studia se zaměří na jednu ze zmíněných oblastí.

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.
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.
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.