Вплив методів попередньої обробки зображень на результати сегментації мозку
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота за темою «Вплив методів попередньої обробки на результати сегментації мозку» виконана студенткою кафедри біомедичної кібернетики ФБМІ Лісніченко Анною Петрівною зі спеціальності 122 «Комп’ютерні науки» за освітньо-професійною програмою «Комп’ютерні технології в біології та медицині» та складається зі: вступу; 5 розділів («Аналіз літератури щодо автоматичної сегментації мозку та технічних обмежень МРТзображень», «Методи нормалізації та корекції інтенсивностей МРТ-зображень», «Засоби реалізації попередньої обробки МРТ-зображень мозку», «Програмна реалізація методів попередньої обробки МРТ-зображень мозку», «Порівняльний аналіз результатів сегментації»), висновків до кожного з цих розділів; загальних висновків; списку використаних джерел, який налічує 36 джерел. Загальний обсяг роботи 69 сторінок. Актуальність теми. Актуальність роботи полягає в необхідності підвищення точності автоматичної сегментації головного мозку на МРТзображеннях, що ускладнюється наявністю артефактів та варіабельністю інтенсивностей сигналу. Мета і завдання роботи. Метою роботи є підвищення показників точності автоматичної сегментації мозку з МРТ-зображень за допомогою застосування різних методів попередньої обробки та їх порівняльного аналізу за стандартними метриками якості. Її досягнення передбачає вирішення наступних завдань: 1. Провести огляд літератури щодо методів попередньої обробки МРТзображень головного мозку. 2. Імплементувати послідовність програмних етапів для застосування обраних методів попередньої обробки МРТ-зображень головного мозку. 3. Застосувати єдиний алгоритм автоматичної сегментації головного мозку до вихідних та попередньо оброблених МРТ-зображень, виконати кількісну оцінку якості сегментації для кожного методу попередньої обробки. 4. Провести порівняльний аналіз обчислених метрик, визначити ефективність різних методів попередньої обробки та сформулювати висновки щодо їхнього впливу на якість сегментації мозку. Використані методи. У дослідженні використано засоби комп’ютерної обробки медичних зображень у Python із бібліотеками NumPy, SimpleITK, scikitimage, OpenCV, TensorFlow та Keras. Реалізовано вісім методів попередньої обробки, зокрема: корекцію поля інтенсивності, CLAHE, гамма-корекцію, нормалізації WhiteStripe та Nyul, зіставлення гістограм, масштабування Min-Max і за перцентилями. Отримані результати. В результаті дослідження було реалізовано повний цикл попередньої обробки, сегментації та оцінки якості МРТ-зображень. Найвищу точність (DICE = 0.9792, IOU = 0.9595) показало масштабування за перцентилями. Високу ефективність також продемонстрували методи Histogram Matching, Gamma Correction і N4ITK. Результати підтверджують важливість якісної підготовки зображень для точності сегментації.
Опис
Ключові слова
Корекція інтенсивності, попередня обробка медичних зображень, сегментація мозку, глибоке навчання, перфузійна магнітнорезонансна томографія, intensity correction, medical image preprocessing, brain segmentation, deep learning, perfusion magnetic resonance imaging
Бібліографічний опис
Лісніченко, А. П. Вплив методів попередньої обробки на результати сегментації мозку : дипломна робота ... бакалавра : 122 Комп’ютері науки / Лісніченко Анна Петрівна. – Київ, 2025. – 69 с.