All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F20%3APR33215" target="_blank" >RIV/00216305:26220/20:PR33215 - isvavai.cz</a>

  • Result on the web

    <a href="https://github.com/JakubicekRoman/CTDeepRot" target="_blank" >https://github.com/JakubicekRoman/CTDeepRot</a>

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    angličtina

  • Original language name

    CTDeepRot

  • Original language description

    A tool for automatic rotation of spinal CT data into a standardized (HFS) patient position. The proposed method is based on the prediction of rotation angle with CNN, and it achieved nearly perfect results with an accuracy of 99.55 % and in a very short time (in the order of units of seconds per scan). We provide implementations with easy to use an example for both Matlab and Python (PyTorch), which can be used, for example, for automatic rotation correction of VerSe2020 challenge data.

  • Czech name

  • Czech description

Classification

  • Type

    R - Software

  • CEP classification

  • OECD FORD branch

    20601 - Medical engineering

Result continuities

  • Project

  • Continuities

    S - Specificky vyzkum na vysokych skolach

Others

  • Publication year

    2020

  • Confidentiality

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Data specific for result type

  • Internal product ID

    CTDeepRot

  • Technical parameters

    Program je vytvořen duplicitně v programovacích jazycích MATLAB a Python. Spuštění programu se doporučuje v programovacím prostředí MATLAB verze R2020a nebo vyšší. V případě využítí programu v prostředí Python jsou vyžadovány knihovny PyTorch. Minimální konfigurace PC: Procesor 2.4GHz Quad Core, operační paměť 16GB, doporučena CUDA karta NVIDIA řady 900+ s alespoň 6GB VRAM. Software je volně dostupný na internetu přes webové rozhraní GitHub. Na výběr jsou pro predikci pacientské pozice dva naučené modely strojového učení, konkrétně 2D a 3D CNN.

  • Economical parameters

    Program je využíván k automatické predikci pacientské pozice v CT datech a ke geometrické transformaci těchto dat z libovolné pozice do pozice HFS (Head First Supine). Tento program napomáhá k urychlení procesu předzpracování libovolných CT dat před libovolnou následnou analýzou nebo jejich jinému zpracování, v případech, kdy pacientská pozice není předem známa. V rámci volné licence může být tento algoritmus upraven. Software je online dostupný široké vědecké a lékařské komunitě a může být implementován do libovolného výzkumného softwaru.

  • Owner IČO

  • Owner name

    Ústav biomedicínského inženýrství