Facebook Instagram Twitter RSS Feed PodBean Back to top on side

Témy doktorandského štúdia

Ústav merania SAV, v. v. i.

Názov témy
Aplikácia algoritmov hĺbkového učenia na automatické spracovanie MRI dát
Program DŠ
Meracia technika
Meno školiteľa/-ky
RNDr. Andrej Krafčík, PhD.
Kontakt:
Prijímajúca škola
Fakulta elektrotechniky a informatiky STU
Stručná anotácia
Automatická identifikácia a segmentácia medicínskych dát, získaných hlavne použitím MRI, je v súčasnosti veľmi žiadaná. Dôvodom je ich veľké množstvo a objem, čo v konečnom dôsledku pri klasickom manuálnom spracovaní lekármi vyžaduje enormný čas. Dostupnosť výkonných hardwareových prostriedkov otvára nové možností tieto procesy automatizovať a urýchliť cestou hĺbkového učenia použitím konvolučných neurónových sietí (KNS). Študent sa preto oboznámi s princípmi fungovania MRI zariadenia (teoreticky a prakticky), manuálnou segmentáciou objemových MRI dát, a princípmi fungovania KNS. Študent navrhne vlastnú architektúru KNS na segmentáciu objemových dát, natrénuje, validuje a následne implementuje na testovacie dáta. Výstupom uvedenej dizertačnej práce by mala byť KNS schopná nasadenia v klinickej praxi, pri diagnostike a kvantitatívnej analýzy vybraných tkanív (chrupaviek, väzov, šliach, meniskov, podkožného tuku, a pod.). Jedná sa o prácu teoretickú, v ktorej sú základy programovania a znalosť niektorého programovacieho jazyka podmienkou. Ako programovacie prostredie pre návrh a testovanie neurónových sietí bude slúžiť Python s využitím modulu TensorFlow.



Literatúra:
1. Juras, V., Szomolanyi, P., Schreiner, M.M., Unterberger, K., Kurekova, A., Hager, B., Laurent, D., Raithel, E., Meyer, H., Trattnig, S. Reproducibility of an Automated Quantitative MRI Assessment of Low-Grade Knee Articular Cartilage Lesions. Cartilage, 13, 646S-657S, 2021.
2. Chollet, F. Deep learning with Python – 2nd edition, Manning Publications Co., Shelter Island, NY, 2021.
3. Cicek, O., Abdulkadir, A., Lienkamp, S.S., Brox, T., Ronneberger, O. 3D U-net: Learning dense volumetric segmentation from sparse annotation. Lecture Notes in Computer Science (including subseries Lecture Notes in Arti cial Intelligence and Lecture Notes in Bioinformatics), 9901 LNCS, 424-432, 2016.