Deformabilní registrace medicínských dat
| advisor: | doc. Ing. Tomáš Oberhuber, Ph.D. |
| e-mail: | show e-mail |
| type: | bachelor thesis, master thesis |
| branch of study: | MI_MM, MI_AMSM, MINF |
| key words: | zpracování medicínských dat, numerická matematika |
| description: | Z důvodu delší doby dožití a velké úspěšnosti onkologické léčby se u stále většího počtu pacientů po několika letech znovu objevují nádory v místě primární léčby (např. radioterapii). V takových případech je pro správné nastavení nové léčby naprosto zásadní přesně lokalizovat oblast, která byla ozářena při předchozí terapii. Tato úloha je však velmi náročná, protože: 1. Mezi prvním a opakovaným zobrazením může uběhnout několik let. 2. Pacient může změnit tělesnou konstituci, může dojít k posunu či změně tvaru orgánů. 3. Snímky byly často pořízeny na jiných přístrojích s jiným rozlišením a orientací. 4. Změna tkání způsobená léčbou nebo chorobou vede k nelineárním a lokálním deformacím. Deformabilní registrace MRI a CT snímků pořízených s časovým odstupem je klíčovým nástrojem pro překlenutí těchto změn a umožňuje spolehlivě přenést původní plán ozařování do aktuální anatomie pacienta. Cílem je otestovat implementovat metodu registrace dat založenou na výpočtu SDF (signed-distance function) pro registraci 3D dat, aplikovat ji na data týkající se reiradiace nádoru a porovnat její úspěšnost s jinými, komerčně dostupnými metodami. Cíle práce: 1. Seznámit se se základy deformabilní registrace dat, zejména pak s SDF registrační metodou. 2. Provést implementaci této metody pro zpracování 3D dat v knihovně TNL. 3. Aplikovat implementovanou metodu na syntetická a reálná data. 4. Porovnat implementovanou metodu a jinými registračními metodami. Přínosy pro studenta: 1. Získá zkušenosti se zpracováním medicínských dat. 2. Naučí se vytvářet vysoce efektivní kód v jazyce C++ a programování v knihovně TNL s podporou GPU. 3. Zapojí se do reálného výzkumu nových výpočetních metod v moderní medicíně. |
| references: | 1. Škardová K., Oberhuber T., Tintěra J., Chabiniok R., Signed-distance function based non-rigid registration of image series with varying image intensity, Discrete and Continuous Dynamical Systems S, vol. 14, no. 3, pp. 1145-1160, 2021. 2. Modersitzki, Jan. Numerical methods for image registration. OUP Oxford, 2003. 3. Mang, Andreas, et al. \"PDE-constrained optimization in medical image analysis.\" Optimization and Engineering 19 (2018): 765-812. |
| last update: | 20.05.2025 09:05:14 |
administrator for this page:
Ľubomíra Dvořáková | last update: 09/12/2011