Використання методів глибинного навчання для визначення зони уваги на Т2-зважених зображеннях перфузійної МРТ

Скорочена інформація про документ
dc.contributor.advisorАлхімова, Світлана Миколаївна
dc.contributor.authorДюмін, Олексій Дмитрович
dc.date.accessioned2023-04-04T11:15:48Z
dc.date.available2023-04-04T11:15:48Z
dc.date.issued2022-12
dc.description.abstractМагістерська 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.uk
dc.description.abstractotherMaster's thesis on the topic "Deep learning methods for region of interest detection on perfusion T2-weighted MR images" is executed by the student of the department of biomedical cybernetics (Faculty of Biomedical Engineering) Diumin Oleksii Dmytrovych in the specialty 122 "Computer science" on the educational and professional program "Computer technologies in biology and medicine", and consists of: introduction; 4 sections ("Literary review", "Theoretical part", "Analytical part", "Practical part"), section with a startup calculation, conclusions to each of these sections; general conclusions; references, which includes 72 titles. The total volume of work is 121 pages. Relevance of the topic. Today, such a method of evaluating perfusion MRI images as dynamic susceptibility contrast magnetic resonance imaging (DSC) plays an important role in the diagnosis and treatment of cerebrovascular and oncological diseases. This technique records changes in pixel intensity on a dynamic series of T2-weighted MRI images obtained before, during, and after administration of a contrast agent into the vasculature. The resulting DSC visualization of perfusion characteristics on perfusion maps is used to identify areas of potential damage and make a diagnosis. However, due to the low contrast between the lesion and the surrounding tissues, the visualization of the brain lesion on the perfusion maps is impaired, which can lead to falsely high or falsely low results of the estimation of the perfusion parameters.[72] To solve the problem, perfusion DSC data analysis software must preprocess the time-series data by segmenting the brain tissue and create a binary mask for the so-called region of interest (ROI).[72] To solve the problem of image segmentation, the idea of using a modified convolutional neural network based on ResNet was proposed. Using the proposed neural network provides the most accurate segmentation results and thereby solves the main problem of automated segmentation. Objective and task sof the study. The aim of the work is to increase the accuracy of segmentation of T2-weighted MRI images by using a modified neural network based on ResNet. To achieve the goal, the following tasks must be completed: 1. Implement a neural network based on ResNet. 2. Find and implement neural network modifications based on ResNet. 3. Conduct preliminary data analysis. 4. To study the obtained results of segmentation of T2-weighted MRI images. Object of study. T2-weighted MRI images of the brain. Subject of study. Segmentation of T2-weighted MRI brain images. Research methods. Machine learning, convolutional neural network.uk
dc.format.extent122 c.uk
dc.identifier.citationДюмін, О. Д. Використання методів глибинного навчання для визначення зони уваги на Т2-зважених зображеннях перфузійної МРТ : магістерська дис. : 122 Комп’ютерні науки / Дюмін Олексій Дмитрович. – Київ, 2022. – 122 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/54275
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectСегментаціяuk
dc.subjectМРТuk
dc.subjectТ2uk
dc.subjectU-Netuk
dc.subjectResNetuk
dc.subjectSE-блокuk
dc.subject.udc004.932:616-073.756.8uk
dc.titleВикористання методів глибинного навчання для визначення зони уваги на Т2-зважених зображеннях перфузійної МРТuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (БМК)
Магістерські роботи