Vybrané bakalářské práce z minulých let

(Aktuální zadání najdete zde.)

Automatická detekce metastáz v histologických obrázcích lymfatických uzlin pomocí hlubokých neuronových sítí

Autor: Pavlína Koutecká, 2020
Vedoucí: Jan Kybic

Digitalizace procesu detekce rakoviny v histopatologických snímcích je předmětem výzkumu posledních let a automatizovaná počítačová analýza založená na hlubokých neuronových sítích ukázala potenciální výhody jako diagnostická strategie. V této práci vyvíjíme metodu pro řešení úlohy automatické detekce metastáz v histologických snímcích lymfatických uzlin.

Popis epileptické sítě pomocí distribuce interiktálních výbojů

Autor: Julie Barnová, 2020
Vedoucí: Radek Janča

Iritační zóna je součástí konceptu epileptické sítě. Skládá se z podsítí, klastrů, které jsou schopny generovat nezávislé populace interiktálních výbojů (IED). Cílem práce bylo vytvořit a optimalizovat algoritmus, který dokáže v intrakraniálním EEG (iEEG) identifikovat nezávislé zdroje IED, a dále prokázat vztah mezi jejich chirurgickým odstraněním a bezzáchvatovým pooperačním výsledkem.

Hodnocení hypometabolismu v obrazech pozitronové emisní tomografie

Autor: Kateřina Macková, 2021
Vedoucí: Radek Janča

Pro úspešnost chirurgické léčby epilepsie je klíčové správné vymezení oblasti resekce. Ta ideálně zahrnuje celou epileptogenní tkáň zodpovědnou
za vznik záchvatů. V obrazech FDG-PET se často jeví jako hypometabolická. Automatická lokalizace hypometabolismů proto může významně pomoci pri diagnostice a léčbě fokální epeilesie.

Vybrané diplomové práce z minulých let

Localization and segmentation of in-vivo ultrasound carotid artery images

Autor: Martin Kostelanský, 2021
Vedoucí: Jan Kybic

Táto práca je zameraná na tri samostatné problémy týkajúce sa spracovania obrazu – klasifikáciu, lokalizáciu a segmentáciu ultrazvukových snímkov stenózy krčnej artérie. Prvý zo zmienených problémov bol úspešne vyriešený použitím neurónovej siete ResNet50 a vytvorením datasetu so 1679 snímkami.

Klasifikace typu fokální kortikální dysplázie dle interiktální aktivity v invazivním EEG

Autor: Laura Shala, 2020
Vedoucí: Radek Janča

Fokální kortikální dysplázie (FCD) je častou příčinou farmakorezistentní epilepsie. Určení podtypu FCD je zásadní při plánování resekčního výkonu u těchto pacientů. Cílem této práce je na základě parametrizace výskytu interiktálních výbojů IED v předoperačním iEEG záznamu predikovat podtyp FCD.

Nestabilita efektivní konektivity uvnitř epileptogenní sítě

Autor: Lenka Svobodová, 2019
Vedoucí: Radek Janča

Jednou z možností léčby farmakorezistentní epilepsie je chirurgické odstranění tzv. epileptogenní zóny. V epileptogenní neuronální síti můžeme identifikovat uzly, které se aktivně podílejí na genezi záchvatu. Tyto uzly vykazují nestabilní efektivní konektivitu se zbytkem sítě. Cílem práce je identifikace nestabilních uzlů, jejich lokalizace ve vztahu ke klinickému hodnocení a vliv na pooperační výsledek.

Stanovení prediktorů pooperační fibrilace síní u pacientů po aortokoronárním bypassu

Autor: Kristýna Vieweghová, 2021
Vedoucí: Radek Janča

Tato diplomová práce se zabývá statistickým zpracováním dat u pacientů po aortokoronárním bypassu (CABG). Cílem této práce je určení prediktorů pooperační fibrilace síní s pomocí multivariantních modelů.

Hledání sekundarních struktur v primarních strukturách nukleových kyselin

Autor: Anh Vu Le, 2019
Vedoucí: Jiří Kléma

Struktura RNA molekul významně ovlivňuje jejich funkci. Na objev konkrétní funkční RNA struktury v genomu může být nahlíženo jako na objev funkce s ní spojené. Tato práce navrhuje výpočetní pipeline, která prohledá celý lidský genom a detekuje úseky, které vykazují  strukturní podobnost s cílovou RNA strukturou.

Možnosti využití kaskád neuronových sítí pro klasifikaci krvetvorných buněk

Autor: Jonas Daniel Nienhaus, 2020
Vedoucí: Philipp Gräbel, Jan Havlík

Předložená práce se zabývá hierarchickou klasifikací hematopoetických buněk s využitím kaskád hlubokých neuronových sítí. V práci jsou definovány dvě strategie pro získání kombinovaných předpovědí z kaskád, pravděpodobnostní přístup a deterministická metoda.

Automatická detekce intronů v metagenomech pomocí neuronových sítí

Autor: Martin Indra, 2021
Vedoucí: Jiří Kléma

Přesné biologické mechanizmy rozpoznávání a vyřezávání intronů nejsou zatím plně známy. Strojové rozpoznávání a vyřezávání intronů z DNA sekvencí je důležité například při hledání genových homologií. V rámci práce vznikly dva modely neuronových sítí detekující začátky a konce intronů, takzvaná donorová a akceptorová místa sestřihu. Detekovaná místa sestřihu jsou následně zkombinována do kandidátních intronů a ty jsou vyříznuty.