Moderní metody segmentace obrazu s využitím prvků umělé inteligence

Abstract

Tato diplomová práce se zabývá problematikou zpracování medicínských snímků s aplikováním prvků umělé inteligence na obrazová data. Umělá inteligence je v dnešní době velmi účinným a nezbytným nástrojem nejen při optimalizaci segmentace obrazu. Genetické algoritmy (GA) se také osvědčily při řešení různých optimalizačních problémů v mnoha oblastech lidské činnosti. Segmentace obrazu slouží k extrahování objektů zájmu, pro diferenciaci jednotlivých tkání v obraze a následně k jejich klasifikaci. Největším problémem, se kterým se tento proces potýká, je chybné rozčlenění jednotlivých částí snímku, jenž by mohlo vést k nesprávné diagnostice a případným komplikacím při plánování či realizaci operačních zákroků. Studie se zaměřuje zejména na využití a porovnání optimalizačních evolučních a genetických algoritmů z hlediska regionální segmentace biomedicínských snímků, které dokáží řešit nedostatky konvenčních metod. Jedná se konkrétně o algoritmy ABC, PSO, DPSO a GA. Tato práce obsahuje mimo jiné také komparaci jednotlivých metod a testovací simulační prostředí pro vyhodnocení jednotlivých přístupů segmentace obrazu, ve které se jejich funkčnost porovnává a ověřuje na reálných medicínských datech.

This thesis deals with the issue of medical images processing along with the application of artificial intelligence elements on image data. Today, artificial intelligence is a very effective and necessary tool not only in terms of optimizing image segmentation. Genetic algorithms (GA) have also proven themselves successful in solving various optimization problems in many areas of human activity. Image segmentation is used to extract objects of interest, to differentiate individual tissues in an image and their subsequent classification. The main problem this process is facing is incorrect distribution of individual parts of the image, which could lead to misdiagnosis and potential complications in the planning or realization of surgeries. The author mainly focuses on the usage and comparison of optimization evolutionary and genetic algorithms in terms of regional segmentation of biomedical images that can solve the shortcomings of conventional methods. In particular these include ABC, PSO, DPSO and GA algorithms. The thesis among others also includes the comparison of individual methods and testing simulation environment for evaluation of individual approaches of image segmentation, where their functionality is compared and verified on real medical images.