Analýza struktury obrazu karotidového plátu s použitím deskriptorů a hlubokého učení

Sherstobitov, Vladyslav

Analýza struktury obrazu karotidového plátu s použitím deskriptorů a hlubokého učení

DSpace Repository

Language: English čeština

Analýza struktury obrazu karotidového plátu s použitím deskriptorů a hlubokého učení

dc.contributor.advisor	Prokopová, Zdenka
dc.contributor.author	Sherstobitov, Vladyslav
dc.date.accessioned	2025-12-10T23:09:13Z
dc.date.available	2025-12-10T23:09:13Z
dc.date.issued	2024-07-26
dc.identifier	Elektronický archiv Knihovny UTB
dc.identifier.uri	http://hdl.handle.net/10563/56932
dc.description.abstract	Tématem této diplomové práce je analýza struktury obrazu aterosklerotického plátu v karotidě, pro kterou se používají deskriptory a hluboké učení. Hlavním cílem práce je vyhodnocení možností využití hlubokého učení pro odhad rizika ulomení aterosklerotického plátu, které se provádí v rámci vlastního výzkumu. V teoretické části jsou shromážděny informace o segmentaci obrazu, technikách detekce významných bodů v obrazech a postupech měření objektů pro příznakové rozpoznání. Dále jsou také uvedeny příznakové metody analýzy obrazu a je charakterizována neuronová síť s využitím algoritmu zpětného šíření chyby. Součástí teoretické části je popis karotid a aterosklerotických plátů, které mohou být identifikovány právě prostřednictvím analýzy struktury obrazu. V praktické části je realizován projekt, jehož úkolem je analyzovat soubor snímků karotidových tepen, kde existuje riziko ulomení časti aterosklerotických plátů. Na konci práce došlo k vyhodnocení výsledků a k určení deskriptorů, které se ukázaly jako nejdůležitější při odhadu rizika.
dc.format	75
dc.language.iso	cs
dc.publisher	Univerzita Tomáše Bati ve Zlíně
dc.rights	Bez omezení
dc.subject	hluboké učení	cs
dc.subject	deskriptor	cs
dc.subject	ultrazvukový snímek	cs
dc.subject	karotida	cs
dc.subject	deep learning	en
dc.subject	descriptor	en
dc.subject	ultrasound image	en
dc.subject	carotid artery	en
dc.title	Analýza struktury obrazu karotidového plátu s použitím deskriptorů a hlubokého učení
dc.title.alternative	Carotid Plaque Image Structure Analysis Using Descriptors and Deep Learning
dc.type	diplomová práce	cs
dc.contributor.referee	Martinů, Jiří
dc.date.accepted	2024-09-10
dc.description.abstract-translated	The topic of this thesis is the analysis of the structure of atherosclerotic plaque in the carotid artery using descriptors and deep learning. The main objective is to evaluate the potential of deep learning for estimating the risk of atherosclerotic plaque rupture, which is done as part of my own research. The theoretical part gathers information on image segmentation, techniques for detecting anomaly points in images, and procedures for measuring objects for feature recognition. Also discussed are feature-based methods of image analysis and the characterization of a multilayer neural network using the backpropagation algorithm. The theoretical part also describes the carotid artery and atherosclerotic plaques, which can be identified through image structure analysis. The practical part involves a project analyzing a set of images of carotid arteries, where there is a risk of the development or rupture of atherosclerotic plaques. At the end of the thesis, the results were evaluated, and the descriptors were determined, which proved to be the most important in assessing the risk.
dc.description.department	Ústav informatiky a umělé inteligence
dc.thesis.degree-discipline	Softwarové inženýrství	cs
dc.thesis.degree-discipline	Software Engineering	en
dc.thesis.degree-grantor	Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky	cs
dc.thesis.degree-grantor	Tomas Bata University in Zlín. Faculty of Applied Informatics	en
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Informační technologie	cs
dc.thesis.degree-program	Information Technologies	en
dc.identifier.stag	69039
dc.date.submitted	2024-08-23