W zależności od ilości danych do przetworzenia generowanie pliku może się wydłużyć.

Jeśli generowanie trwa zbyt długo można ograniczyć dane np. zmniejszając zakres lat.

Rozprawa doktorska

Pobierz BibTeX

Tytuł

Nowe procedury tworzenia modeli wirtualnych dla potrzeb medycyny klinicznej

Autorzy

[ 1 ] Katedra Inżynierii Wirtualnej, Wydział Inżynierii Transportu, Politechnika Poznańska | [ D ] doktorant

Promotor

[ 1 ] Katedra Inżynierii Wirtualnej, Wydział Inżynierii Transportu, Politechnika Poznańska | [ P ] pracownik

Recenzenci

[ 1 ] Katedra Inżynierii Wirtualnej, Wydział Inżynierii Transportu, Politechnika Poznańska | [ P ] pracownik

Wariant tytułu

EN New procedures of creating virtual models for medical purposes

Język

polski

Słowa kluczowe
PL
  • obrazowanie medyczne
  • uczenie maszynowe
  • rozpoznawanie obrazu
EN
  • medical imaging
  • machine learning
  • computer vision
Streszczenie

PL W pracy przedstawiono metodę automatycznego tworzenia modeli wirtualnych z danych uzyskanych metodą Rezonansu Magnetycznego. Jako przypadek testowy wybrano wizualizację kolumny przedniej kręgosłupa. Dostępna niska jakość danych wejściowych wymusiła wprowadzenie filtracji wstępnej składającej się ze skalowania, interpolacji oraz opracowanej metody korekcji niejednorodności nasycenia. Kolejny etap prac skupił się na automatycznej detekcji tkanek. W tym celu wykorzystano metody głębokiego uczenia oparte na Konwolucyjnych Sieciach Neuronowych. Dalej wprowadzono metodę automatycznej segmentacji tkanek na obrazach z Rezonansu Magnetycznego wykorzystującą Model Aktywnego Wyglądu, służący do znajdowania cech charakterystycznych. Ostatecznie w celu rozszerzenia możliwości diagnostycznych przedstawiono metodę budowy trójwymiarowych modeli tkanek opartych na uzyskanych wynikach automatycznej segmentacji.

EN The work presents new method of automatic creation of virtual models from Magnetic Resonance Imaging. The main goal of this work was to visualize the spine’s frontal column. Low quality of the input data forced an introduction of initial filtration consisting of resolution increase, interpolation and usage of developed intensity inhomogeneity correction algorithm. The next stage consisted of automatic tissue detection. To achieve the best performance Deep Learning, Created Convolutional Neural Networks methods were implemented. Furthermore a method for automatic tissue segmentation from Magnetic Resonance Imaging using Machine Learning Techniques (Active Appearance Model for characteristic features localization) was introduced. Finally on the basis of achieved segmentation results a method for creation of three-dimensional tissue models was developed.

Liczba stron

281

Dziedzina wg OECD

nauki o komputerach i informatyka

Dyscyplina wg KBN

budowa i eksploatacja maszyn

Sygnatura rozprawy w wersji drukowanej

DrOIN 1898

Katalog on-line

to201899827

Pełny tekst rozprawy doktorskiej

Pobierz plik

Poziom dostępu do pełnego tekstu

publiczny

Pierwsza recenzja

Antoni John

Miejsce

Gliwice, Polska

Data

10.01.2018

Język

polski

Tekst recenzji

Pobierz plik

Poziom dostępu do recenzji

publiczny

Druga recenzja

Marek Morzyński

Miejsce

Poznań, Polska

Data

10.01.2018

Język

polski

Tekst recenzji

Pobierz plik

Poziom dostępu do recenzji

publiczny

Status rozprawy

rozprawa doktorska

Miejsce obrony

Poznań, Polska

Data obrony

05.03.2018

Jednostka nadająca tytuł

Rada Wydziału Inżynierii Zarządzania Politechniki Poznańskiej

Uzyskany tytuł

doktor nauk ekonomicznych w dyscyplinie: nauki o zarządzaniu

Ta strona używa plików Cookies, w celu zapamiętania uwierzytelnionej sesji użytkownika. Aby dowiedzieć się więcej przeczytaj o plikach Cookies i Polityce Prywatności.