Diplomová práce

Multirezoluční výběr příznaků pro rozpoznávání v obrazech mozku z magnetické rezonance

Multiresolution feature selection for recognition in magnetic resonance brain images

Mgr. Petr Dluhoš, učo 269281
Anotace

Diplomová práce se zabývá metodami strojového učení pro automatické rozpoznávání a počítačovou podporu diagnostiky neuropsychiatrických poruch z obrazových dat. Kromě rešerše existujících přístupů je součástí práce také návrh na klasifikační algoritmus využívající multirezoluční reprezentaci obrazů ve vlnkové doméně. Tento algoritmus je implementován v prostředí MATLAB a otestován na dvou datových …více

Abstract

This thesis deals with machine learning methods for automatic recognition and computer-aided diagnosis of neuro-psychiatric disorders based on data from neuroimaging. Existing approaches are reviewed and a new classification algorithm based on multiresolution representation of images in the wavelet domain is introduced. The algorithm is implemented in MATLAB and tested on two different image data sets …více

Klíčová slova
schizofrenie klasifikace diagnostika algoritmus podpůrných vektorů multirezoluční reprezentace vlnková transformace zobrazování magnetickou rezonancí rozpoznávání strojové učení analýza obrazů schizophrenia classification diagnosis support vector machines multiresolution representation wavelet transform magnetic resonance imaging pattern recognition machine learning image analysis
Zadání práce
Cílem práce je seznámit se s pokročilou analýzou MR obrazů včetně hodnocení morfologie mozku pacientů s první epizodou schizofrenie a spojit tyto metody zpracování a analýzy obrazů mozku s algoritmy strojového učení pro klasifikaci či rozpoznávání. Student(ka) se bude muset metodicky zaměřit jednak na problematiku automatických morfometrických metod pro popis obrazů a dále na problematiku klasifikátorů využívajících příznakového popisu z různých datových zdrojů. Konkrétně bude student(ka) řešit následující úkoly:
  • Rešerše literatury relevantní k problematice morfologických analýz obrazů mozku včetně metod VBM (voxel-based morphometry), DBM (deformation-based morphometry) a SBM (source-based morphometry).
  • Prostudování klasifikačních algoritmů vhodných pro MRI data a pro příznaky extrahované z těchto dat morfologickými metodami.
  • Návrh algoritmu pro multirezoluční extrakci příznaků s využitím vlnkové transformace.
  • Otestování na reálných datech pořízených pro výzkum první epizody schizofrenie a kvantitativní zhodnocení dosažené kvality rozpoznávání.
Praktické části diplomové práce budou řešeny ve vývojovém prostředí MATLAB s využitím toolboxů pro zpracování MRI dat SPM (Statistical Parametric Mapping).

Literatura:

  • Zhang H., Ho T.B., Lin M., Liang X. (2006): Feature Extraction for Time Series Classification Using Discriminating Wavelet Coefficients. LNCS 3971, 1394–1399.
  • Toga A.W., Mazziotta J.C. (2002): Brain mapping: the methods. Academic Press, Boston, 877 pp.
  • Bishop C.M. (2006): Pattern recognition and machine learning. Springer, 738 pp.
Administrativní informace
Práce zkontrolována:
24. 5. 2013 12:59, Radmila Lopuchovská, učo 113962
Plný text práce
2,2 MB / soubor PDF
Přílohy (1)
Jazyk práce
čeština čeština
Termín obhajoby
17. 6. 2013
Práce byla úspěšně obhájena

Vedoucí

prof. Ing. Daniel Schwarz, Ph.D., učo 195581
IBA SpolP LF MU

Oponent

Ing. Milan Blaha, Ph.D., učo 54092
Citovat tuto práci
Masarykova univerzita Přírodovědecká fakulta
Studijní program
Experimentální biologie
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.