Registration Number
0826U002294, PhD dissertation
Status
Доктор філософії
Date
02-07-2026
popup.evolution
o
Чому дисертація має статус "Запланована"?
Title
Methods of 3D model synthesis using computer vision and machine learning.
Author
OLEKSII Cherevyk,
popup.head Mykola P. Hnidenko
popup.opponent Eugene Malakhov
popup.opponent Nataliia Fedorova
popup.review Kateryna S. Nesterenko
popup.review Vadym Vlasenko
popup.rada
State University of information and communication technologies
Description
Реферат
Роботу присвячено дослідженню існуючих методів синтезу 3D-моделей та обробки цифрових зображень для подальшої обробки методами комп’ютерного зору і глибокого навчання. Розглянуто просцес побудови тривимірних моделей анатомічних структур людини на базі багатошарових знімків з томографу.
Актуальність дослідження визначається широким застосуванням тривимірного моделювання і візуалізації в сучасній техниці, медицині, творчості. Методики комп’ютерного зору і глибокого навчання у значно полегшують створення тривимірних моделей об’єктів реального світу. Зокрема в медицині, де дані методи допомагають у діагностиці захворювань і підготовці до хірургічних операцій.
Метою роботи є підвищення ефективності процесів створення тривимірних цифрових копій об'єктів шляхом розробки нових та вдосконалення існуючих методів синтезу 3D-моделей, а також створення на їх основі оптимізованих апаратно-програмних засобів, щоб забезпечить високу швидкість обробки даних та точність відтворення геометрії
Наукова новизна полягає в удосконаленні моделі автоматичної системи створення 3D-моделей методом сегментації зображень із допомогою глибокого навчання.
Розроблено метод інтелектуальної сегментації медичних зображень для побудови 3D-моделей, який базується на ансамблюванні прогнозів декількох гібрідних 2D-3D-нейромереж архітектури U-Net у різних площинах багатошаровоих медичних знімків.
Запропоновано новий метод згортки багатошарового сканованого зображення із нерівномірними розмірами вокселів шляхом запровадження анізотропних 3D-фільтрів, адаптованих до товщини зрізу початкового зображення.
Запропоновано алгоритм післяобробки сегментованих даних, що базується на урахуванні міжзрізової узгодженості в поєднанні зі стандартними операціями післяобробки, що забезпечує просторову безперервність між зрізами у локальній області. Це дозволило покращити топологічну коректність 3D-моделей без залучення додаткових обчислювальних потужностей CPU та GPU.
Практичне значення результатів полягає у створенні автоматичної цифрової системи обробки зображень, що забезпечує високу якість і швидкість сегментації багатошарових медичних знімків і дослідження необхідного для неї апаратного забезпечення.
Ключові слова: 3D-візуалізація, комп’ютерні системи, сегментація зображень, синтез 3D об’єктів, інформаціїні технології, машинне навчання, обробка зображень, нейронні мережі, апаратне забезпечення.
Дисертаційна робота складається з анотації, змісту, вступу, п’яти розділів, загальних висновків, списку використаних джерел та додатків. Робота містить 27 рисунків, 16 таблиць та 1 додаток. Список використаних джерел налічує 123 найменування.
Загальний обсяг дисертації становить 153 сторінки, з них 141 сторінка основного тексту.
Registration Date
2026-06-08
popup.nrat_date
2026-06-08 / 2026-07-02
