Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

SEGMENTATION OF CARTILAGE TISSUE IN MICRO CT IMAGES OF MOUSE EMBRYOS WITH MODIFIED U-NET CONVOLUTIONAL NEURAL NETWORK

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F19%3APU132034" target="_blank" >RIV/00216305:26220/19:PU132034 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.feec.vutbr.cz/conf/EEICT/archiv/sborniky/EEICT_2019_sbornik.pdf" target="_blank" >http://www.feec.vutbr.cz/conf/EEICT/archiv/sborniky/EEICT_2019_sbornik.pdf</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    SEGMENTATION OF CARTILAGE TISSUE IN MICRO CT IMAGES OF MOUSE EMBRYOS WITH MODIFIED U-NET CONVOLUTIONAL NEURAL NETWORK

  • Popis výsledku v původním jazyce

    Manual segmentation of cartilage tissue in micro CT images of mouse embryos is a very time-consuming process and significantly increases the time required for the research of mammal facial structure development. It is possible to solve this problem by using a fully-automatic segmentation algorithm. In this paper, a fully-automatic segmentation method is proposed using a convolutional neural network trained on manually segmented data. The architecture of the proposed convolutional network is based on the U-Net architecture with its encoding part substituted for the encoding part of the VGG16 classification convolutional neural network pre-trained on the ImageNet database of labelled images. The proposed network achieves average Dice coefficient 0.88 in comparison to manually segmented images.

  • Název v anglickém jazyce

    SEGMENTATION OF CARTILAGE TISSUE IN MICRO CT IMAGES OF MOUSE EMBRYOS WITH MODIFIED U-NET CONVOLUTIONAL NEURAL NETWORK

  • Popis výsledku anglicky

    Manual segmentation of cartilage tissue in micro CT images of mouse embryos is a very time-consuming process and significantly increases the time required for the research of mammal facial structure development. It is possible to solve this problem by using a fully-automatic segmentation algorithm. In this paper, a fully-automatic segmentation method is proposed using a convolutional neural network trained on manually segmented data. The architecture of the proposed convolutional network is based on the U-Net architecture with its encoding part substituted for the encoding part of the VGG16 classification convolutional neural network pre-trained on the ImageNet database of labelled images. The proposed network achieves average Dice coefficient 0.88 in comparison to manually segmented images.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20601 - Medical engineering

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/LQ1601" target="_blank" >LQ1601: CEITEC 2020</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2019

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 25th Conference STUDENT EEICT 2019

  • ISBN

    978-80-214-5735-5

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    191-194

  • Název nakladatele

    Brno University of Technology

  • Místo vydání

    Brno

  • Místo konání akce

    Brno

  • Datum konání akce

    25. 4. 2019

  • Typ akce podle státní příslušnosti

    CST - Celostátní akce

  • Kód UT WoS článku