Segmentace cév prasete domácího ve snímcích z výpočetní tomografie

Romová, Jana

Segmentace cév prasete domácího ve snímcích z výpočetní tomografie

dc.contributor.advisor	Jiřík Miroslav, Ing. Ph.D.	cs
dc.contributor.author	Romová, Jana	cs
dc.contributor.referee	Lenc Ladislav, Ing. Ph.D.	cs
dc.date.accepted	2025-06-16
dc.date.accessioned	2026-02-20T22:07:23Z
dc.date.available	2024-09-09
dc.date.available	2026-02-20T22:07:23Z
dc.date.issued	2025-05-15
dc.date.submitted	2025-05-15
dc.description.abstract	Diplomová práce se zaměřuje na návrh metody segmentace cév v dutině břišní u prasete domácího a její implementaci do běžně používaného medicínského vizualizačního nástroje 3DSlicer. Využitím segmentačních metod používaných v oblasti medicínského zobrazování poskytuje důležité informace o anatomických strukturách, čímž podporuje plánování chirurgických zákroků, předoperačních a pooperačních vyšetření a studium standardní anatomie prasete domácího. Práce představuje anatomii cév v oblasti dutiny břišní. Dále se zaměřuje na různé architektury neuronových sítí, použité metriky a data sety, stejně jako na technické výzvy spojené se zobrazováním a zpracováním medicínských dat. Výsledky experimentů ukazují, že navržené modely dosahují velmi dobré kvality při řešení úlohy segmentace cév v břišní dutině. Nejlepší navržený model dosahoval během validace hodnot 0,98 pro metriku Dice koeficient a 0,97 pro metriku IoU.	cs
dc.description.abstract-translated	Thesis focuses on the design of a method for vascular segmentation in the abdominal cavity of the domestic pig and its integration into a commonly used medical visualization tool. By leveraging segmentation techniques applied in the field of medical imaging, it provides essential insights into anatomical structures, supporting the planning of surgical procedures, preoperative and postoperative examinations, and the study of standard pig anatomy. Text introduces the anatomy of vessels in the abdominal region. It further explores various neural network architectures, evaluation metrics, and datasets, along with the technical challenges associated with visualizing and processing medical data. These challenges include the variability of vascular structures, the specificity of medical datasets, high memory requirements, and the need for robustness and efficiency in the proposed segmentation method. Experimental results show that the proposed models achieve high-quality performance in the task of abdominal vessel segmentation. The best-performing proposed model achieved a Dice coefficient of 0,98 and an IoU score of 0,97 during validation.	en
dc.description.department	Katedra informatiky a výpočetní techniky	cs
dc.description.result	Obhájeno	cs
dc.format	66
dc.identifier	100143
dc.identifier.uri	http://hdl.handle.net/11025/66187
dc.language.iso	cs
dc.publisher	Západočeská univerzita v Plzni	cs
dc.rights	Plný text práce je přístupný bez omezení	cs
dc.rights.access	openAccess	cs
dc.subject	segmentace	cs
dc.subject	cévy	cs
dc.subject	CT	cs
dc.subject	neuronové sítě	cs
dc.subject	U-Net 3DSlicer	cs
dc.subject.translated	segmentation	en
dc.subject.translated	vessels	en
dc.subject.translated	CT	en
dc.subject.translated	neural networks	en
dc.subject.translated	U-Net	en
dc.subject.translated	3DSlicer	en
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd	cs
dc.thesis.degree-level	Navazující	cs
dc.thesis.degree-name	Ing.	cs
dc.thesis.degree-program	Informatika a její specializace	cs
dc.title	Segmentace cév prasete domácího ve snímcích z výpočetní tomografie	cs
dc.title.alternative	Segmentation of Domestic Pig Vessels in Computed Tomography Images	en
dc.type	diplomová práce	cs
local.files.count	8	*
local.files.size	5170672557	*
local.has.files	yes	*
local.relation.IS	https://portal.zcu.cz/StagPortletsJSR168/CleanUrl?urlid=prohlizeni-prace-detail&praceIdno=100143