Lokalizace nádorù pomocí automatického vyhledávání zajímavých oblastí v obraze
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F14%3A43923820" target="_blank" >RIV/49777513:23520/14:43923820 - isvavai.cz</a>
Výsledek na webu
<a href="http://hdl.handle.net/11025/21270" target="_blank" >http://hdl.handle.net/11025/21270</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Lokalizace nádorù pomocí automatického vyhledávání zajímavých oblastí v obraze
Popis výsledku v původním jazyce
Zapojení metod umělé inteligence pro diagnostické účely je v dnešní době vidět téměř na každém kroku. Ne jinak tomu je i v lékařství. Využitím metod zpracování obrazu je možné vytvořit asistenční programy, které pomáhají lékařům s vyhodnocováním naměřených dat. Lokalizace patologických ložisek v tomografických snímcích je jedna z celé řady úloh, kterými se lékařská diagnostika zaobírá. Problémem, který danou úlohu významně ztěžuje, je nekonzistentnost vstupních dat a široké spektrum možností výskytu patologického ložiska. Vzhledem k těmto problémům selhává většina běžně používaných metod pro segmentaci obrazu a bylo nutné vytvořit metodu novou, která se s výše popsanými problémy bude umět vypořádat.
Název v anglickém jazyce
Localization of tumors using automatic search for interesting areas in the image
Popis výsledku anglicky
The involvement of artificial intelligence methods for diagnostic purposes can be seen at almost every step these days. It is no different in medicine. By using image processing methods, it is possible to create assistance programs that help doctors with the evaluation of measured data. Localization of pathological foci in tomographic images is one of the many tasks that medical diagnostics deals with. The problem that makes the given task significantly more difficult is the inconsistency of the input data and the wide spectrum of possibilities for the occurrence of a pathological focus. Due to these problems, most of the commonly used methods for image segmentation fail, and it was necessary to create a new method that will be able to deal with the problems described above.
Klasifikace
Druh
O - Ostatní výsledky
CEP obor
—
OECD FORD obor
20205 - Automation and control systems
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů