Depending on the amount of data to process, file generation may take longer.

If it takes too long to generate, you can limit the data by, for example, reducing the range of years.

Dissertation

Download BibTeX

Title

Nowe procedury tworzenia modeli wirtualnych dla potrzeb medycyny klinicznej

Authors

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

Promoter

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

Reviewers

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

Title variant

EN New procedures of creating virtual models for medical purposes

Language

polish

Keywords
PL
  • obrazowanie medyczne
  • uczenie maszynowe
  • rozpoznawanie obrazu
EN
  • medical imaging
  • machine learning
  • computer vision
Abstract

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.

Number of pages

281

OECD domain

computer sciences and computer science

KBN discipline

construction and operation of machinery

Signature of printed version

DrOIN 1898

On-line catalog

to201899827

Full text of dissertation

Download file

Access level to full text

public

First review

Antoni John

Place

Gliwice, Polska

Date

10.01.2018

Language

polish

Review text

Download file

Access level to review text

public

Second review

Marek Morzyński

Place

Poznań, Polska

Date

10.01.2018

Language

polish

Review text

Download file

Access level to review text

public

Dissertation status

dissertation

Place of defense

Poznań, Polska

Date of defense

05.03.2018

Unit granting title

Rada Wydziału Inżynierii Zarządzania Politechniki Poznańskiej

Obtained title

doktor nauk ekonomicznych w dyscyplinie: nauki o zarządzaniu

This website uses cookies to remember the authenticated session of the user. For more information, read about Cookies and Privacy Policy.