• Nebyly nalezeny žádné výsledky

Zadání diplomové práce

N/A
N/A
Protected

Academic year: 2022

Podíl "Zadání diplomové práce"

Copied!
2
0
0

Načítání.... (zobrazit plný text nyní)

Fulltext

(1)

VŠB – Technická univerzita Ostrava Fakulta elektrotechniky a informatiky

Katedra kybernetiky a biomedicínského inženýrství

Zadání diplomové práce

Student:

Bc. Tomáš Valášek

Studijní program:

N0988A060001 Biomedicínské inženýrství

Téma:

Analýza a modelování příznaků kostních struktur z RTG a CT obrazových dat

Analysis and Modeling of Bone Structure Features from X-ray and CT Images

Jazyk vypracování:

čeština

Zásady pro vypracování:

1. Nastudování základních principů zobrazování kostí na CT a RTG.

2. Rešerše segmentačních metod pro identifikaci kostí z CT a RTG obrazových dat.

3. Tvorba datové báze klinických RTG a CT obrazů variabilních kostí.

4. Design a realizace metod předzpracování obrazu pro optimalizaci manifestace kostí z obrazových dat.

5. Návrh automatizované segmentační procedury pro identifikaci kostních struktur z RTG a CT obrazových dat.

6. Design a realizace procedur pro selekci a extrakci reprezentativních příznaků, charakterizující distribuci hustoty kostních struktur.

7. Statistická analýza signifikance příznaků pro modelování hustoty kostí.

8. Komparativní analýza příznaků kostní hustoty pro RTG a CT obrazová data.

9. Vyhodnocení výsledků práce.

Seznam doporučené odborné literatury:

[1] OPPELT, Arnulf, ed. Imaging systems for medical diagnostics: fundamentals, technical solutions and applications for systems applying ionizing radiation, nuclear magnetic resonance and ultrasound.

Erlangen: Publicis Corporate Publishing, 2005. ISBN 3-89578-226-2.

[2] COSTA, Luciano da F. a Roberto M. CESAR. Shape analysis and classification: theory and practice.

Boca Raton: CRC Press, c2001. Image processing series. ISBN 0-8493-3493-4.

[3] GONZALEZ, Rafael C. a Richard E. WOODS. Digital image processing. 2nd ed. Upper Saddle River:

Prentice Hall, c2002. ISBN 0-201-18075-8.

[4] STERGIOPOULOS, Stergios, ed. Advanced signal processing handbook: theory and implementation for radar, sonar, and medical imaging real-time systems. Boca Raton: CRC Press, c2001. Electrical engineering and applied signal processing series. ISBN 0-8493-3691-0.

[5] KALENDER, Willi A. Computed tomography: fundamentals, system technology, image quality, applications. 3rd rev. ed. Erlangen: Publicis Publishing, 2011. ISBN 978-3-89578-317-3.

(2)

Formální náležitosti a rozsah diplomové práce stanoví pokyny pro vypracování zveřejněné na webových stránkách fakulty.

Vedoucí diplomové práce: Ing. Jan Kubíček, Ph.D.

Konzultant diplomové práce: Ing. Dominik Vilímek

Datum zadání: 01.09.2020 Datum odevzdání: 30.04.2021

prof. Ing. Jiří Koziorek, Ph.D. prof. Ing. Pavel Brandštetter, CSc.

vedoucí katedry děkan fakulty

Odkazy

Související dokumenty

Scope of implementation work (SW, HW), applied knowledge and understanding, level of methodological processing and conclusions of the work - 28 / 30 Formal requirements and editing

Frequency domain signal is obtained by the Fast Fourier Transformation (FFT) applied on a time-domain signal, and, in turn, provides information about different

The goal of this thesis was to develop a method for arc fault detection in AC residential electrical wiring using direct digitization, signal processing and detection.. Satisfaction

Eddy current testing As can be seen, the reference signal is used for excitation, and it is used for the processing of the received signal.. In the processing part, the reference

Sykora, “Non-cooperative broadcast game for distributed decision map selection of relay wireless network coding processing,” in Signal Processing Advances in Wireless

It is a distributed itera- tive algorithm, that works with values assigned to vertices of the graph and the goal is to asymptotically obtain an average value of the initial values

In this respect, methods based on classical analog systems, digital systems in the time domain of signal processing, hybrid systems and digital systems evaluating signal in

This chapter is providing brief introduction of different types of Artificial Neural Networks (ANNs) such as Convolutional Neural Networks (CNNs) and Recurrent Neural Networks (RNNs)