Deep Learning in Medical Imaging: Classification of Lumbar Spine Degeneration from MRI Scans
Autor(ka) práce:
Lukešová, Johana
Typ práce:
Bachelor thesis
Vedoucí práce:
Vadinský, Ondřej
Oponenti práce:
Zamazal, Ondřej
Jazyk práce:
English
Abstrakt:
The bachelor thesis focuses on the classification of lumbar spine degeneration from MRI scans using deep learning methods. The theoretical background covers neural networks for image processing, including convolutional neural networks, transfer learning, vision transformers, and medical image segmentation architectures. The practical part is based on the RSNA 2024 Lumbar Spine Degenerative Classification competition. After exploratory analysis of the MRI dataset, several direct classification benchmarks are trained and evaluated. Since each diagnosis depends on a specific condition, imaging plane, spinal level and side, the solution is further extended into a localization-guided workflow. The final pipeline combines anatomical localization, slice selection, ROI-based classification and model ensembling for making the predictions. The results show that this task cannot be treated as simple classification framework and that incorporating anatomical structure is essential.
Klíčová slova:
convolutional neural networks; vision transformers; medical imaging; lumbar spine degeneration; image classification; anatomical localization; deep learning
Název práce:
Deep Learning in Medical Imaging: Classification of Lumbar Spine Degeneration from MRI Scans
Autor(ka) práce:
Lukešová, Johana
Typ práce:
Bakalářská práce
Vedoucí práce:
Vadinský, Ondřej
Oponenti práce:
Zamazal, Ondřej
Jazyk práce:
English
Abstrakt:
Bakalářská práce se zaměřuje na klasifikaci degenerace bederní páteře z z MRI snímků pomocí metod hlubokého učení. Teoretická část se věnuje neuronovým sítím pro zpracování obrazu, včetně konvolučních neuronových sítí, přeneseného učení, vision transformerů a architektur pro segmentaci medicínských obrazů. Praktická část je založena na soutěži RSNA 2024 Lumbar Spine Degenerative Classification. Po explorativní analýze soutěžního datasetu je natrénováno a vyhodnoceno několik základních klasifikačních baseline modelů. Protože každá diagnóza závisí na konkrétním nálezu, zobrazovací rovině, úrovni páteře a straně, je řešení dále rozšířeno o lokalizačně řízený workflow. Finální postup kombinuje anatomickou lokalizaci, výběr řezu, klasifikaci založenou na oblasti zájmu a sestavování modelů pro vytváření finálních predikcí. Výsledky naznačují, že tuto úlohu nelze pojmout jako standardní klasifikační problém a že zapojení anatomické struktury je pro její řešení klíčové.