Automatická segmentácia kolennej chrupavky a meniskov pomocou konvolučných neurónových sietí

 

Typ práce: Dizertačná práca
Názov témy: Automatická segmentácia kolennej chrupavky a meniskov pomocou konvolučných neurónových sietí
Názov témy anglicky: Automated segmentation of knee cartilage and meniscus using convolutional neural networks
Stav témy: schválené (prof. Ing. Viktor Smieško, PhD. – Predseda odborovej komisie)
Vedúci práce: Mgr. Vladimír Juráš, PhD.
Fakulta: Fakulta elektrotechniky a informatiky
Garantujúce pracovisko: Ústav elektrotechniky – FEI
Max. počet študentov: 1
Akademický rok: 2019/2020
Navrhol: Mgr. Vladimír Juráš, PhD.
Externá vzdelávacia inštitúcia: Ústav merania Slovenskej akadémie vied
Anotácia:

Stanovovanie prognózy a sledovanie úspešnosti liečby pri osteoartritíde patria medzi dôležité úlohy, ktoré rieši muskuloskeletálna magnetická rezonancia (MRI). Skoré štádiá degeneratívnych poškodení chrupaviek a meniskov sú sprevádzané úbytkom proteoglykánov a porušením kolagénovej siete. Kvantitatívna MRI može v budúcnostsi pomôcť s detekciou stavu makromolekúl v spojivových tkanivách. Kedže manuálne vyhodnocovanie chrupaviek je príliš náročné, popularitu získavajú automatické metódy segmentácie chrupaviek a meniskov z MR obrazov. Konvolučné nerónové siete (convolutional neural network, CNN) poskytujú robustné a rýchle riešenie. Úlohou doktoranda bude navrhnúť architektúru CNN a natrénovať túto sieť na MR dáta získané jednak z celosvetovej databázy (OA Intitiative), poprípade je možnosť namerať dáta na najmodernejších MR prístrojoch buď na Ústave merania alebo na Lekárskej Univerzite vo Viedni. Predpokladom úspešného riešenia je záujem v programovaní (Matlab, Python) a v biológií/medicíne.

Anotácia anglicky: The determination of prognosis and treatment response in osteoarthritis (OA) is an important task for musculoskeletal magnetic resonance (MRI). Early stages of OA are accompanied by glycosaminoglycan loss and depletion of collagen matrix. Quantitative MRI may help in detecting macromolecular content in cartilage and meniscus in the future. Since manual segmentation of knee cartilage is a tedious task, automated approaches become more and more popular in the last years. Convolutional neural networks (CNN) may provide fast and robust solution. PhD student will be responsible for designing the neural network architecture, training on the dataset either gathered from OAI database or acquired at modern MRI scanners at Institute of Measurement Science or Medical University of Vienna. The requirements for successful thesis is the passion for programming (Matlab, Python) and for biology/medicine.