Return to search

Využití konvolučních neuronových sítí pro segmentaci chrupavčitých tkání myších embryí v mikro-CT datech / Utilization of convolutional neural networks for segmentation of mouse embryos cartilaginous tissue in micro-CT data

Automatická segmentace biologických struktur v mikro-CT datech je stále výzvou, protože často objekt zájmu (v našem případě obličejová chrupavka) není charakterizovaný unikátním jasem či ostrými hranicemi. V posledních letech se konvoluční neuronové sítě (CNNs) staly mimořádně populárními v mnoha oblastech počítačového vidění. Konkrétně pro segmentaci biomedicínských obrazů je široce používaná architektura U-Net. Nicméně v případě mikro-CT dat vyvstává otázka, zda by nebylo výhodnější použít 3D CNN. Diplomová práce navrhla CNN architekturu založenou na síti V-Net včetně metodologie pro předzpracování a postprocessing dat. Základní architektura byla dále optimalizována pomocí pokročilých architektonických modifikací jako jsou pyramidální modul dilatovaných konvolucí (ASPP modul), škálovatelná exponenciálně-lineární jednotka (SELU aktivační funkce), víceúrovňová kontrola učení (multi-output supervision) či bloky s hustými propojeními (Dense blocks). Pro učení sítě byly použity moderní přístupy jako zahřívání kroku učení (learning rate warmup) či AdamW optimalizátor. I přes to, že 3D CNN v úloze segmentace obličejové chrupavky nepřekonala U-Net, optimalizace zvýšila medián Dice koeficientu z 69,74 % na 80,01 %. Používání těchto pokročilých architektonických modifikací v dalším výzkumu je proto vřele doporučováno, jelikož můžou být přidány do libovolné architektury typu U-Net a zároveň výrazně zlepšit výsledky.

Identiferoai:union.ndltd.org:nusl.cz/oai:invenio.nusl.cz:442503
Date January 2021
CreatorsPoláková, Veronika
ContributorsVičar, Tomáš, Chmelík, Jiří
PublisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Source SetsCzech ETDs
LanguageEnglish
Detected LanguageUnknown
Typeinfo:eu-repo/semantics/masterThesis
Rightsinfo:eu-repo/semantics/restrictedAccess

Page generated in 0.0016 seconds