Біомедична система комп’ютерного аналізу медичних зображень гібридного томографу
Вантажиться...
Дата
Автори
Назва журналу
Номер ISSN
Назва тому
Видавець
НУБІП України
Анотація
Дипломна робота «Біомедична система комп’ютерного аналізу медичних зображень гібридного томографу» виконана студентом кафедри автоматизації та робототехнічних систем ННІ енергетики, автоматики та енергозбереження Халімоненко Єгором Тарасовичем зі спеціальності 163 «Біомедична інженерія»
Робота присвячена дослідженню концепції побудови біомедичної системи комп’ютерного аналізу медичних зображень, отриманих з гібридних томографів, зокрема ПЕТ/КТ та ПЕТ/МРТ. У роботі розглянуто архітектуру гібридного томографа, апаратну та програмну структуру його складових, а також функціональну модель комп’ютерного аналізу зображень. Проведено аналіз методів попередньої обробки, реєстрації, сегментації, виділення ознак та класифікації. Особливу увагу приділено алгоритмам машинного навчання та сучасному програмному забезпеченню, такому як 3D Slicer, MITK та OsiriX. Метою роботи є вдосконалення якості розпізнавання зображень шляхом розробки архітектури штучної нейронної мережі для сегментації МРТ-зображень та її навчання. Об’єкт дослідження – штучні нейронні мережі для сегментації МРТ- зображень хребта. Предмет дослідження – методи розробки гібридних архітектур штучних нейронних мереж та застосування машинного навчання для сегментації МРТ-зображень хребта. Результатом роботи є розроблення інтелектуальної біомедичної системи аналізу зображень томографу на основі гібридної архітектури згорткової нейронної мережі для сегментації МРТ-зображень та навчання моделі за допомогою методу Mean Teacher. Ключові слова: гібридна архітектура нейронної мережі, машинне навчання, сегментація зображень, МРТ хребта, інтелектуальна біомедична система.
Опис
Thesis "Biomedical system for computer analysis of medical images of a hybrid tomograph" was completed by a student of the Department of Automation and Robotic Systems of the National Research Institute of Power Engineering, Automation and Energy Saving Yegor Khalimonenko from the specialty 163 "Biomedical Engineering" The work is devoted to the study of the concept of building a biomedical system for computer analysis of medical images obtained from hybrid tomographs, in particular PET/CT and PET/MRI. The work considers the architecture of a hybrid tomograph, the hardware and software structure of its components, as well as the functional model of computer image analysis. The analysis of methods of preprocessing, registration, segmentation, feature extraction and classification is carried out. Particular attention is paid to machine learning algorithms and modern software, such as 3D Slicer, MITK and OsiriX. The aim of the work is to improve the quality of image recognition by developing the architecture of an artificial neural network for segmentation of MRI images and its training. The object of the study is artificial neural networks for segmentation of MRI images of the spine. The subject of the study is methods for developing hybrid architectures of artificial neural networks and applying machine learning for segmentation of MRI images of the spine. The result of the work is the development of an intelligent biomedical system for analyzing tomograph images based on a hybrid architecture of a convolutional neural network for segmentation of MRI images and training a model using the Mean Teacher method. Keywords: hybrid architecture of a neural network, machine learning, image segmentation, MRI of the spine, intelligent biomedical system.
Thesis "Biomedical system for computer analysis of medical images of a hybrid tomograph" was completed by a student of the Department of Automation and Robotic Systems of the National Research Institute of Power Engineering, Automation and Energy Saving Yegor Khalimonenko from the specialty 163 "Biomedical Engineering" The work is devoted to the study of the concept of building a biomedical system for computer analysis of medical images obtained from hybrid tomographs, in particular PET/CT and PET/MRI. The work considers the architecture of a hybrid tomograph, the hardware and software structure of its components, as well as the functional model of computer image analysis. The analysis of methods of preprocessing, registration, segmentation, feature extraction and classification is carried out. Particular attention is paid to machine learning algorithms and modern software, such as 3D Slicer, MITK and OsiriX. The aim of the work is to improve the quality of image recognition by developing the architecture of an artificial neural network for segmentation of MRI images and its training. The object of the study is artificial neural networks for segmentation of MRI images of the spine. The subject of the study is methods for developing hybrid architectures of artificial neural networks and applying machine learning for segmentation of MRI images of the spine. The result of the work is the development of an intelligent biomedical system for analyzing tomograph images based on a hybrid architecture of a convolutional neural network for segmentation of MRI images and training a model using the Mean Teacher method. Keywords: hybrid architecture of a neural network, machine learning, image segmentation, MRI of the spine, intelligent biomedical system.
Thesis "Biomedical system for computer analysis of medical images of a hybrid tomograph" was completed by a student of the Department of Automation and Robotic Systems of the National Research Institute of Power Engineering, Automation and Energy Saving Yegor Khalimonenko from the specialty 163 "Biomedical Engineering" The work is devoted to the study of the concept of building a biomedical system for computer analysis of medical images obtained from hybrid tomographs, in particular PET/CT and PET/MRI. The work considers the architecture of a hybrid tomograph, the hardware and software structure of its components, as well as the functional model of computer image analysis. The analysis of methods of preprocessing, registration, segmentation, feature extraction and classification is carried out. Particular attention is paid to machine learning algorithms and modern software, such as 3D Slicer, MITK and OsiriX. The aim of the work is to improve the quality of image recognition by developing the architecture of an artificial neural network for segmentation of MRI images and its training. The object of the study is artificial neural networks for segmentation of MRI images of the spine. The subject of the study is methods for developing hybrid architectures of artificial neural networks and applying machine learning for segmentation of MRI images of the spine. The result of the work is the development of an intelligent biomedical system for analyzing tomograph images based on a hybrid architecture of a convolutional neural network for segmentation of MRI images and training a model using the Mean Teacher method. Keywords: hybrid architecture of a neural network, machine learning, image segmentation, MRI of the spine, intelligent biomedical system.
Ключові слова
біометрична система, машинне навчання, сегментація зображень, biometric system, machine learning, image segmentation
Бібліографічний опис
Халімоненко Є. Т. Біомедична система комп’ютерного аналізу медичних зображень гібридного томографу : дипломна робота … бакалавра : 163 Біомедична інженерія. Київ, 2025. 96 с.