Analýza medicínských snímků

Abstract

Diplomová práce se zaobírá sémantickou segmentací snímků mozků novorozenců získaných pomocí magnetické rezonance, která patří do širšího tématu analýzy a zpracování medicínských snímků. Pro dostupné datové sady byly zvoleny, implementovány nebo použité existujíci implementace a hlubokých neuronových sítí pro sémantickou segmentaci. Skoumané jsou převažně plně-konvoluční neuronové sítě, ale experimentovalo se i s architekturou Vision transformer a U-Mamba. Vybrané neuronové sítě byly stručně popsány, natrénované pro 4 segmentační úkoly a následně výsledky vyhodnoceny zvolenými metrikami. Výsledkem je porovnání těchto neuronových sítí při aplikaci na 4 segmentační úkoly.

This master thesis focuses on semantic segmentation of neonatal brain images obtained through magnetic resonance imaging, which falls under the broader topic of medical image analysis and processing. Deep neural networks for semantic segmentation were selected, implemented, or existing implementations were utilized for available datasets. Mainly fully-convolutional neural networks were used, however experiments with Vision transformer and U-Mamba were conducted too. The chosen neural networks were briefly described, trained for four segmentation tasks, and subsequently evaluated using selected metrics. The outcome is a comparison of these neural networks in the context of the four segmentation tasks.