Please use this identifier to cite or link to this item: http://hdl.handle.net/10889/13837
Title: Τμηματοποίηση εικόνων μαγνητικής τομογραφίας καρδιάς
Other Titles: Segmentation of Cardiac MRI
Authors: Δαμανάκη, Μαρία
Keywords: Τμηματοποίηση εικόνας
Μαγνητική τομογραφία
Καρδιά
Keywords (translated): Image segmantation
Magnetic resonance imaging (MRI)
Heart
3D UNET
Abstract: Η καρδιά αποτελεί βασικό ζωτικό όργανο για τον οργανισμό. Η μελέτη της ανατομίας και της φυσιολογίας της αποτελεί βασική συνιστώσα στην πρόγνωση, διάγνωση και στην αντιμετώπιση διαφόρων ασθενειών. Η Απεικόνιση Μαγνητικού Συντονισμού, Magnetic Resonance Imaging (MRI), αποτελεί βασική διαγνωστική τεχνική σάρωσης του οργανισμού και κατ’ επέκταση της καρδιάς. Η εξέλιξη της επιστήμης και της τεχνολογίας στον τομέα της Ανάλυσης Σήματος και της Μηχανικής Εκμάθησης οδήγησε στην ανάπτυξη των αποδοτικών τοπολογιών τεχνητών νευρωνικών δικτύων. Η χρήση βαθιών συνελικτικών νευρωνικών δικτύων, όπως είναι το U-net, συμβάλλει ιδιαίτερα στην επεξεργασία των ιατρικών δεδομένων, εξάγοντας σημαντικές πληροφορίες έχοντας ως είσοδο μια εικόνα. Στην παρούσα διπλωματική εργασία και λόγω αντικειμενικών περιορισμών που υπήρχαν σε θέματα λογισμικού και υλικού (computing software and hardware) χρησιμοποιήθηκε ένα τρισδιάστατο U-net δίκτυο, το οποίο ενώ ήταν εκπαιδευμένο να κάνει τμηματοποίηση και να ανιχνεύει όγκους στον εγκέφαλο από εικόνες MRI, στην συνέχεια χρησιμοποιήθηκε στην τμηματοποίηση της δομής της καρδιάς πάλι από MRI εικόνες. Ωστόσο, αυτό το εγχείρημα δεν απέδωσε τα αναμενόμενα αποτελέσματα, καθώς το δίκτυο εκπαιδευμένο σε άλλο πρόβλημα (task), δεν κατάφερε να προσαρμοστεί στο διαφορετικό πρόβλημα παρά το γεγονός ότι και το σήμα της καρδιάς και του εγκεφάλου είναι ίδια φύσης, προερχόμενες και οι δυο από εικόνες πυρηνικού μαγνητικού συντονισμού.
Abstract (translated): The heart is a vital organ for the body. The study of its anatomy and physiology is a basic component in the prognosis, diagnosis and treatment of various diseases. MRI is a basic diagnostic technique for scanning the body and also for the heart. The evolution of science and technology in the field of Signal Analysis and Machine Learning has led to the development of efficient topologies of artificial neural networks. The use of deep convolutional neural networks, such as the U-net contributes in processing medical data by extracting important information using images as input. In the present work, a three dimensional U-net convolutional neural network was used for cardiac segmentation. Due to software and hardware restrictions, the employed network was trained to segment and detect tumors in brain MR images. However, this attempt produced poor results when applied to the segmentation of cardiac MRI images, despite the fact that both heart and brain images were of the same magnetic resonance (MR) modality.
Appears in Collections:Τμήμα Φυσικής (ΔΕ)

Files in This Item:
File Description SizeFormat 
ΔΙΠΛΩΜΑΤΙΚΗ ΔΑΜΑΝΑΚΗ ΜΑΡΙΑ.pdf3.9 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.