Regionální segmentace biomedicínských obrazových dat - laboratorní úloha

Abstract

V dnešní době, kdy dochází k významnému rozvoji výpočetních technologií a aplikace umělé inteligence do běžného života, je logickým krokem také zlepšování zdravotnických aplikací sloužící k detekci patologických tkání. Přesná detekce patologických útvarů hraje zásadní roli při plánování operačních zákroků a s tím spojeným pooperačním stavem. Proto je u segmentačních aplikací kladen důraz na přesnost. Tato diplomová práce se zabývá právě touto problematikou, konkrétně regionální segmentací. Podstatou této práce je komparativní analýza regionálních segmentačních metod na základě prahování. Jedná se o porovnání konveční Otsu metody a nekonveční soft metody na základě dekompozice pomocí fuzzy množin v kombinaci s lokální statistickou agregací. Výstupem této práce jsou analýzy segmentačních v závislosti na dynamickém efektu intenzity obrazového šumu. Pro účely analýzy byly vybrány snímky z CT a MRI. Druhým výstupem diplomové práce je software „Regionální segmentace 1.0.0“, která slouží k provedení segmentace a následnému objektivnímu vyhodnocení na základě evaluačních parametrů. Aplikace disponuje přehledným grafickým uživatelským prostředí, které bylo vytvořeno v prostředí MATLAB R2015a od firmy MathWorks. Třetím výstupem je laboratorní úloha na téma regionální segmentace, která bude sloužit pro výukové účely.

Improving health applications for the detection of pathological tissues is also a logical step in today's world of computing technology and the application of artificial intelligence to everyday life. Accurate detection of pathological features plays an essential role in the planning of surgical procedures and the associated post-operative condition. Therefore, on segmentation applications the emphasis is laided precision. This thesis deals with this issue, specifically regional segmentation. The essence of this work is a comparative analysis of regional segmentation methods based on thresholding. It is a comparison of conventional Otsu method and unconventional soft method based on fuzzy set decomposition in combination with local statistical aggregation. The output of this work are segmentation analyzes depending on the dynamic effect of image noise intensity. For analysis purposes, images from CT and MRI were selected. The second output of the thesis is software "Regional Segmentation 1.0.0", which is used to perform segmentation with subsequent evaluation. The application has a well-arranged graphical - user interface that was created in MATLAB R2015a by MathWorks. The third output is a laboratory task on the topic of regional segmentation, which will be used for educational purposes.