Вплив методів попередньої обробки зображень на результати сегментації мозку

Скорочена інформація про документ
dc.contributor.advisorАлхімова, Світлана Миколаївна
dc.contributor.authorЛісніченко, Анна Петрівна
dc.date.accessioned2026-01-06T10:45:29Z
dc.date.available2026-01-06T10:45:29Z
dc.date.issued2025
dc.description.abstractДипломна 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.
dc.description.abstractotherThe bachelor’s thesis titled “The Impact of Preprocessing Methods on Brain Segmentation Results” was completed by Anna Petrivna Lisnichenko, a student of the Department of Biomedical Cybernetics, Faculty of Biomedical Engineering, specializing in 122 “Computer Science” under the educational and professional program “Computer Technologies in Biology and Medicine” The work consists of: an introduction; 5 chapters (“Literature review on automatic brain segmentation and MRI limitations, Methods of MRI intensity normalization and correction”, “Tools for MRI preprocessing”, “Software implementation of preprocessing techniques”, “Comparative analysis of segmentation results”), conclusions to each chapter; general conclusions; and a list of 36 references. The total length of the thesis is 69 pages. Relevance of the topic. The relevance of this research lies in the need to improve the accuracy of automatic brain segmentation on MRI images, which is challenged by the presence of artifacts and variability in signal intensities. Objective and tasks of the thesis. The aim of the study is to improve the accuracy of automatic brain segmentation from MRI data by applying various preprocessing methods and analyzing their performance using standard quality metrics. To achieve this goal, the following objectives were set: 1. Review the literature on MRI preprocessing methods for brain imaging. 2. Implement a sequence of software steps for selected preprocessing techniques. 3. Apply a unified brain segmentation algorithm to both raw and preprocessed MRI images, and quantitatively evaluate segmentation quality. 4. Perform comparative analysis of the metrics obtained, assess the effectiveness of different preprocessing methods, and draw conclusions regarding their impact on segmentation accuracy Methods used. The study utilized medical image processing tools in Python, using libraries such as NumPy, SimpleITK, scikit-image, OpenCV, TensorFlow, and Keras. Eight preprocessing methods were implemented, including: bias field correction (N4ITK), CLAHE, gamma correction, WhiteStripe and Nyul normalization, histogram matching, Min-Max scaling, and percentile-based scaling. Results obtained. A full processing pipeline was developed, including preprocessing, segmentation, and quality assessment of MRI data. The highest segmentation accuracy (DICE = 0.9792, IOU = 0.9595) was achieved using percentilebased scaling. Histogram Matching, Gamma Correction, and N4ITK also showed high effectiveness. The results confirm the critical importance of high-quality preprocessing in improving segmentation performance.
dc.format.extent69 с.
dc.identifier.citationЛісніченко, А. П. Вплив методів попередньої обробки на результати сегментації мозку : дипломна робота ... бакалавра : 122 Комп’ютері науки / Лісніченко Анна Петрівна. – Київ, 2025. – 69 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/77871
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectКорекція інтенсивності
dc.subjectпопередня обробка медичних зображень
dc.subjectсегментація мозку
dc.subjectглибоке навчання
dc.subjectперфузійна магнітнорезонансна томографія
dc.subjectintensity correction
dc.subjectmedical image preprocessing
dc.subjectbrain segmentation
dc.subjectdeep learning
dc.subjectperfusion magnetic resonance imaging
dc.titleВплив методів попередньої обробки зображень на результати сегментації мозку
dc.title.alternativeImpact of image preprocessing techniques on brain segmentation results
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Lisnichenko_bakalavr.pdf
Розмір:
2.08 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (БМК)
Бакалаврські роботи