Pokročilé vyhodnocovanie spojivových tkanív pomocou textúrovej analýzy MR obrazov

 

Typ práce: Dizertačná práca
Názov témy: Pokročilé vyhodnocovanie spojivových tkanív pomocou textúrovej analýzy MR obrazov
Názov témy anglicky: Advanced evaluation of connective tissues using texture analysis from MR images
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: Textúrová analýza MR obrazov patrí medzi rýchlo sa rozvíjajúce metódy pokročilej analýzy rádiologických výstupov využívajúce neustále sa zvyšujúci výkon počítačov. Táto analýza dala vznik celému rádiologickému pododvetviu s názvom RADIOMICS.

Cieľom dizertačnej práce bude rozvoj nových metód a algoritmov založených na GLCM (grey-level-co-occurence matrix) analýze pre použitie v muskuloskeletálnej rádiológií. Parametre z GLCM budú použité na hľadanie korelácie s predikciou osteoartritídy či už po úrazoch (poškodenie chrupavky, roztrhnutie priečneho väzu, popr. menisku) alebo v súvislosti s vekom, a rovnako tak korelácie pri degeneratívnych poškodeniach iných spojivových tkanív (väzy, menisky a šľachy). Dáta budú získané jednak z celosvetovej databázy (OA Intitiative), popr. 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, C++, Python) a v biológií/medicíne.

Anotácia anglicky: The topic is proposed by the Institute of Measurement Science SAS, as an external educational institution of STU.

Texture analysis is a part of fast-growing methods for advanced evaluation of radiological images using an improving computer power (machine learning). There is a whole subfield in radiology called RADIOMICS which cover all computer-guided the image analyses.

The aim of the thesis will be the development of the new methods based on GLCM (grey-level co-occurrence matrix) analysis for using in the musculoskeletal MRI. The GLCM features will be used for searching the correlation with osteoarthritis (OA) prediction which can develop either after injuries (cartilage lesion, meniscus and ligament tear) or with aging. The methods should be subsequently expanded to other important tissues to search for degeneration markers in meniscus, ligaments and tendons. The data to analyze will be acquired either from the world-wide database of OA data (OA Initiative), or directly from the modern MRI machines at Institute of Measurement Science of Medical University of Vienna. The requirements for successful thesis is the passion for programming (Matlab, C++, Python) and biology/medicine.