Магістерські роботи (БМК)
Постійне посилання зібрання
Переглянути
Перегляд Магістерські роботи (БМК) за Автор "Алхімова, Світлана Миколаївна"
Зараз показуємо 1 - 3 з 3
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Автоматичне визначення функції артеріального притоку на перфузійних зображеннях(КПІ ім. Ігоря Сікорського, 2022-12) Сазонова, Катерина Максимівна; Алхімова, Світлана МиколаївнаМагістерська дисертація за темою «Автоматичне визначення функції артеріального притоку на перфузійних зображеннях» виконана студентом кафедри біомедичної кібернетики ФБМІ Сазоновою Катериною Максимівною зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині» та складається зі: вступу; 4 розділів (аналітичний огляд літературних джерел, теоретична частина, аналітична частина, практична частина), розділу зі стартап проекту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 56 джерел та додатків. Загальний обсяг роботи 100 сторінок. Актуальність теми. Створена програма допоможе прискорити діагностику та збільшить продуктивність одного окремого лікаря, оскільки йому потрібно буде тільки завантажити данні, а після закінчення роботи програми підтвердити її рішення, такий підхід суттєво зменшить відсоток помилки при визначенні функції артеріального притоку. Мета і завдання дослідження. Метою даної роботи є створення програмного застосунку, що буде автоматично визначати найкраще місце для обчислення функції артеріального притоку на перфузійних зображеннях МРТ головного мозку. Досягнення цієї мети передбачає виконання наступних завдань: 1. Провести аналіз закордонних та вітчизняних літературних джерел з поставленої проблематики. 2. Розробити програмний додаток, що буде: • завантажувати файли із обраної директорії; • робити припроцесінг даних (сортування та сегментацію); • знаходити кандидатів AIF та розраховувати для них перфузійні параметри; • розраховувати коефіцієнт якості (для кожного кандидата) та визначати найкращу точку для визначення AIF із використанням цього коефіцієнту; • візуалізувати найкращих кандидатів у вигляді графіків, а також відображати значення перфузійних характеристик. Об’єктом дослідження є зображення мозку у фоматі DICOM, що були отримані шляхом проведення динамічно контрасної магнітно-резонансної датасет був отримані з програми «TCGA». Предметом дослідження виступає знаходження найкращого місця для AIF. Методи дослідження. Сегментація, бінрарізація, розрахунок перфузійних характеристик, знаходження кандидатів AIF.Документ Відкритий доступ Використання методів глибинного навчання для визначення зони уваги на Т2-зважених зображеннях перфузійної МРТ(КПІ ім. Ігоря Сікорського, 2022-12) Дюмін, Олексій Дмитрович; Алхімова, Світлана МиколаївнаМагістерська дисертація за темою «Використання методів глибинного навчання для визначення зони уваги на Т2-зважених зображеннях перфузійної МРТ» виконана студентом кафедри біомедичної кібернетики ФБМІ Дюміним Олексієм Дмитровичем зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині», та складається зі: вступу; 4 розділів («Літературний огляд», «Теоретична частина», «Аналітична частина», «Практична частина»), розділу з розрахунком стартап-проєкту, висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 72 найменування. Загальний обсяг роботи 121 сторінка. Актуальність теми. На сьогоднішній день важливу роль у діагностиці та лікуванні цереброваскулярних та онкологічних захворювань відіграє такий метод оцінювання зображень перфузійної МРТ, як динамічно-сприйнятлива контрастна магнітно-резонансна томографія (DSC). Ця методика записує зміни інтенсивності пікселів на динамічних серіях Т2-зважених зображень МРТ, отриманих до, під час та після введення контрастної речовини у судинну систему. Отримана в результаті DSC візуалізація перфузійних характеристик на картах перфузії використовується для виявлення областей з потенційним ураженням та постановки діагнозу. Проте через низький контраст між ураженням і навколишніми тканинами погіршується візуалізація ураження мозку на картах перфузії, що може призвести до помилково високих або хибно низьких результатів оцінки параметрів перфузії.[72] Щоб проблема була вирішена, програмне забезпечення для аналізу перфузійних DSC даних повинно попередньо обробляти дані часової послідовності шляхом сегментації тканин мозку та створювати бінарну маску для так званої зони уваги (ROI).[72] Для вирішення проблеми сегментації зображень була запропонована ідея використання модифікованої згорткової нейронної мережі на основі ResNet. Використання запропонованої нейронної мережі забезпечує найбільш точні результати сегментації та тим самим вирішує основну проблему автоматизованої сегментації. Мета і завдання дослідження. Метою роботи є підвищення точності сегментації Т2-зважених МРТ-зображень за рахунок використання модифікованої нейронної мережі на базі ResNet. Для досягнення поставленої мети необхідно виконати наступні завдання: 1. Реалізувати нейронну мережу на базі ResNet. 2. Знайти та реалізувати модифікації нейронної мережі на основі ResNet. 3. Провести попередній аналіз даних. 4. Дослідити отримані результати сегментації Т2-зважених МРТ-зображень. Об’єкт дослідження. Т2-зважених МРТ-зображень мозку. Предмет дослідження. Сегментація Т2-зважених МРТ-зображень мозку. Методи дослідження. Машинне навчання, згорткова нейронна мережа.Документ Відкритий доступ Кольорове кодування даних перфузій магнітно-резонансної томографії(КПІ ім. Ігоря Сікорського, 2024) Біжнюк, Віталій Віталійович; Алхімова, Світлана МиколаївнаАктуальність теми. Полягає в тому, що кольорове кодування даних ПМРТ відкриває нові можливості для покращення діагностики та моніторингу лікування нейрологічних захворювань. Воно допомагає лікарям отримувати більш детальну та зрозумілу інформацію про функціональний стан мозку пацієнта. Крім того, кольорове кодування може бути корисним інструментом для вивчення нових даних та дослідження міжзв'язків між різними областями мозку. Мета дослідження. Покращити візуалізацію та інтерпретацію результатів з використанням кольорового кодування даних ПМРТ, зокрема шляхом легкого розрізнення різних областей мозку, виявлення змін у кровопостачанні та сприяння більш точній діагностиці. Практичне значення одержаних результатів. Покращення візуального відображення для полегшення інтерпретації та діагностики, а також провадження рекомендацій щодо ефективності використання Lut-схем