Cílem této práce je využít získaných znalostí z oblasti počítačového vidění a strojového učení k navržení metody pro automatickou lokalizaci jaterních lézí v CT snímcích. V této práci jsou navrženy dva přístupy jako řešení tohoto problému. První je založen na generování ohraničujících obdélníků, v nichž se nacházejí léze, s využitím HoG extraktoru a klasifikátoru SVM. Druhý přístup využívá konvoluční neuronové sítě pro sémantickou segmentaci jaterních lézí. Pro oba přístupy je vybrán nejlepší vyhodnocený model a nakonec jsou oba nejlepší modely mezi sebou porovnány. Na závěr jsou zmíněna dvě možná vylepšení do budoucna a uveden jeden příklad využití v praxi.
Annotation in English
The aim of this work is to use acquired knowledge of computer vision and machine learning to design a method for automatic localization of liver lesions in CT images. In this work two different approaches are proposed as a solution of this issue. The first one is based on generating of bounding boxes in which the lesions are present using HoG as a feature extractor and SVM as a classifier. The second approach uses convolutional neural networks for semantic segmentation of liver lesions. For both approaches the model with the best evaluated configuration is selected. Finally, both best models are compared with each other. At the end, two possible improvements to the future and one example of use in practice are mentioned.
Histogram of oriented gradients, support vector machines, convolutional neural networks, deconvolution network, semantic segmentation.
Length of the covering note
78 s
Language
CZ
Annotation
Cílem této práce je využít získaných znalostí z oblasti počítačového vidění a strojového učení k navržení metody pro automatickou lokalizaci jaterních lézí v CT snímcích. V této práci jsou navrženy dva přístupy jako řešení tohoto problému. První je založen na generování ohraničujících obdélníků, v nichž se nacházejí léze, s využitím HoG extraktoru a klasifikátoru SVM. Druhý přístup využívá konvoluční neuronové sítě pro sémantickou segmentaci jaterních lézí. Pro oba přístupy je vybrán nejlepší vyhodnocený model a nakonec jsou oba nejlepší modely mezi sebou porovnány. Na závěr jsou zmíněna dvě možná vylepšení do budoucna a uveden jeden příklad využití v praxi.
Annotation in English
The aim of this work is to use acquired knowledge of computer vision and machine learning to design a method for automatic localization of liver lesions in CT images. In this work two different approaches are proposed as a solution of this issue. The first one is based on generating of bounding boxes in which the lesions are present using HoG as a feature extractor and SVM as a classifier. The second approach uses convolutional neural networks for semantic segmentation of liver lesions. For both approaches the model with the best evaluated configuration is selected. Finally, both best models are compared with each other. At the end, two possible improvements to the future and one example of use in practice are mentioned.