Ukážka práce
Ukážka aplikácie po spustení
Ukážka aplikácie po načítaní súboru a kalkulácie
Funkcia show_image
Funkcia show_calculate_image
Funkcie na detekovanie lebky, mozgu a moku
Bakalárska práca
Tento projekt sa zaoberá detekciou atrofie mozgu v CT snímkach pomocou algoritmov strojového učenia.
Cieľom práce je vyhodnotiť mieru atrofie v mozgu, ale eliminovat pri tom porencefaliu. Počas práce treba naštudovať problematiku spracovania medicínskych dát. Analyzovať existujúce riešenia publikované v dostupnej odbornej literatúre. Navrhnúť metódu vhodnú na detekciu atrofie mozgu z CT snímok. Túto metódu otestovať a vyhodnotiť výsledky.
Atrofia je sposobená najmä starnutím mozgu, ale aj inými ochoreniami. Na CT snímkach môže byť pozorovaný úbytok mozgovej hmoty okolo mozgových komôr (centrálna atrofia) alebo úbytok hmoty na periférií (kortiko-sukortikálna atrofia).
Táto práca je pracovná. Ešte neprebehla úprava školiteľky. Obsah sa môže zmeniť. Program ešte nie je hotový a skúšame rôzne metódy, preto je GUI len zobrazený taký, ktorý sa meniť nebude!
📄 Moja bakalárska práca (PDF)
Skúšanie SVM stále neúspešné. Napísanie väčšiny bakalárky. Treba dopísať poslednú časť kapitoly. Trénovanie SVM nefunguje, rozmýšľam, či sa to podarí do odovzdania. Treba prečistiť kód a aplikovať pripomienky školiteľky.
Rozdelujem snímky na zdravé(symetrické) a choré (nesymetrické). Skúsila som metódy CC, Entropia, SSIM, PSNR. Vyzerá, že sú nepoužiteľné. Sobel nie je dostatočne funkčný, treba zmeniť threshold.
Konečne sa mi podarilo spárovať JSON súbor s DICOM súbormi. Pustila som sa do triedenia obrázkov na zdravé a choré. Naštudovala som si entropiu a začala som ju aplikovať do programu. Mám pocit, že mi to počíta zle. Musím sa na to začiatkom týždňa pozrieť. Spravila som histogram šedej farby na polovice mozgu. Mám pocit, že mi to nedáva nič podstatné.
Počas tohto týždňa som po stretnutí so školiteľkou upravila zarovnanie mozgov. Porovnávala som histogramy podľa obrysu polovíc mozgu. Začala som písať bakalárku, spravila som obsah, bibliografiu a zopár sekcií. Nazbierala som obrázky do práce. Pustila som sa do VSM, zatiaľ neúspešne.
Zarovnanie mozgu som skúšala urobiť podľa lokálneho minima v maske lebky. Cez ťažisko mozgu som vykreslila priamku, ktorú som zarovnala podľa osi y. Detekcia parencefálie sa mi na niektorých snímkoch podarila cez detekovanie najväčších kontúr v obraze, kde sa zobrazovali len najväčšie rozdiely hodnôt pixelov na poloviciach mozgu
Venovala som sa zarovnaniu mozgu, ktoré mi stále zle detekuje. Po dohode so školiteľkou sa pustím do inej stratégie. Skúšala som farebne vyznačovať rozdiel hodnôt pixeov a tým detekovať parencefáliu, ale neúspešne.
Aplikovala som metódu porovnania odtieňov šedej pri prekrytí polovíc mozgu. V najväčšom rozdiele odtieňov sa detekuje najväčšia kontúra, ktorá sa považuje za parencefáliu a segmentácií sa táto oblasť presunie z časti mok do časti mozog. Tento výpočet sa robí len v prípade, ak sa percentuálny obsah moku na pravej a ľavej polovici líši o viac ako 8%. Upravila som výber snímkov, podľa hrúbky rezov snímkov sa vypočíta počet snímkov, na ktorých sa bude atrofia počítať. Pridala som aj celkový výpočet atrofie na vybrané snímky. Vypočíta sa atrofia pre každý snímok a na obrazovku sa vypíše priemerná atrofia. Upravila som aj funkciu na načítanie súboru. Kod som v určitých miestach generalizovala.
Podarilo sa mi zobraziť prekrytie polovíc mozgu podľa osi y. Podľa tohto prekrytia je viditeľný rozdiel veľkosti komôr a zárezov v mozgu. Ďalšia časť bola rozdeliť mozog na 6 rovnomerných častí a to L1, L2, L3, R1, R2, R3, tieto časti sa vo dvojiciach porovnávajú a výsledok je výpočet rozdielov percentuálnych zastúpení mozgoveho moku. Pomocou tlačidla choose series sa dá vybrať séria CT, ktorá sa zobrazí.
Tento týždeň som sa venovala zarovnaniu snímok, ich centralizáciu, správny výber snímok a percentuálnemu porovnaniu moku na pravej a ľavej polovici mozgu. Detekuje mi asymetriu.
V priebehu týždňa som sa zasekla na zautomatizovaní segmentácie pomocou histogramu. Bolo pre mňa ťažké určiť správny threshold pre mozog. Snímky som centralizovala a vybrala som snímky, ktoré obsahujú mozog a sú vhodné na detekciu atrofie mozgu. Pri CT skenoch celej hlavy sa mi ešte objavia snímky, ktoré nie sú vhodné do výpočtu.
V tomto týždni som sa stretla s pánom doktorom Bluskom, ktorý mi vysvetlil a poradil ako detekovať parencefáliu. Dal mi nové datasety a tiež GUID k snímkam s parencefáliou. Do programu som pridala zoradenie snímok podľa osi z, tak aby sa snímky zobrazovali postupne za sebou. Dohodli sme sa, že atrofiu budem počítať na každom snímku CT a následne vypočítam priemer. Parencefáliu nemôžem rátať do atrofie, preto ju potrebujem vylúčiť. Chcela by som použiť medódu menom koregistrovaná fúzia. Musím si o tom naštudovať a zvážiť jej aplikovanie. V nasledujúcom týždni by som chcela vytvoriť funkciu, ktorá CT snímok transformuje do roviny a pomocou algoritmov porovná symetriu pravej a ľavej strany.
Aplikáciu som obohatila o funkciu update_patient_info, ktorá vypíše údaje ako pohlavie a vek pacienta na praú lištu. Bola potrebná refakorizácia kódu, do ktorej som implementovala funkciu, ktorá pomocou orientácie vektora polohy pacienta vyberie len axiálne rezy z CT. Vďaka axiálnym rezom dokážem lepšie identifikovať atrofiu mozgu. V najbližšom týždni sa plánujem venovať výpočtu podielu moku a mozgu v lebke.
V súčasnej dobe sa plnohodnotne venujem písaniu kódu. Aplikácia vie otvoriť vybrané CT, vybrať najvhodnejší obrázok na základe tagov, konvertovať DICOM pixel array na Hounsfieldove jednotky (HU), pomocou trasholdingu detekovať lebku, mozog a mok.