Detail of the student project

List
Topic:Detekce nestabilních aterosklerotických plátů z ultrazvukových obrazů
Department:Katedra kybernetiky
Supervisor:prof. Dr. Ing. Jan Kybic
Announce as:Diplomová práce, Bakalářská práce, Semestrální projekt
Description:Úkolem práce je navrhnout, implementovat a otestovat deep learning
architekturu pro klasifikaci transverzálních in-vivo ultrazvukových
obrázků karotidy mezi pláty s restoucím (nestabilním) plátem a
ostatními.

Postup:

1. Seznamte se s daty, naučte se je v Pythonu načítat a vizualizovat.
2. Seznamte se s předchozí prací v této oblasti (klasifikace
obrazů pomocí neuronových sítí obecně, aplikace na ultrazvukové
obrazy, vyhodnocení stupně aterosklerózy), proveďte
bibliografickou rešerši a stručně stav problematiky
(state-of-the-art) sepište.
3. Seznamte se s knihovnou PyTorch, vyzkoušejte jednoduché příklady na
klasifikaci obrazů, např. MNIST nebo CIFAR pomocí sítě ResNet
4. Pomocí neuronové sítě (např. CIFAR) klasifikujte na základě
segmentace. Optimalizujte parametry, porovnejte více architektur.
5. Pomocí neuronové sítě (např. CIFAR) klasifikujte na základě
transversálních výřazů. Optimalizujte parametry, porovnejte více
architektur. Porovnejte výsledky s klasickou metodou (článek
Kostelanský et al., SIPAIM 2021)
Bibliography: Martin Kostelanský "Localization and segmentation of in-vivo
ultrasound carotid artery images" (diplomová práce), 2021.
https://cmp.felk.cvut.cz/ftp/articles/kybic/KostelanskyMs2021.pdf

Martin Kostelanský et al: "Differentiating between stable and progressive carotid
atherosclerotic plaques from in-vivo ultrasound images using texture descriptors."
SIPAIM 2021 [přikládám]

[Lal-Hobson-etal_2002], Pixel distribution analysis of B-mode ultrasound scan images predicts histologic features of atherosclerotic carotid plaques, Journal of vascular surgery, 2002, Elsevier

[Laws_1980], Rapid texture identification - Image processing for missile guidance, 1980

[Lekadir-Galimzianova-etal_2017]: A convolutional neural network for automatic characterization of plaque composition in carotid ultrasound, IEEE journal of biomedical and health informatics, 2017

[Meiburger-Acharya-Molinari_2018], Automated localization and segmentation techniques for B-mode ultrasound images: A review, Computers in biology and medicine, 2018, Elsevier

[Mougiakakou-Golemati-etal_2007], Computer-aided diagnosis of carotid atherosclerosis based on ultrasound image statistics, laws’ texture and neural networks, Ultrasound in medicine & biology, 2007, Elsevier

[Nicolaides-Beach-etal_2012], Ultrasound and carotid bifurcation atherosclerosis, Nicolaides, Andrew and Beach, Kirk W and Kyriacou, Efthyvoulos and Pattichis, Constantinos S, Springer, 2012

[Pazinato-Stein-etal_2016]: Pixel-level tissue classification for ultrasound images, IEEE journal of biomedical and health informatics, 2016
Responsible person: Petr Pošík