|
|
Analýza fluorescence organického barviva s využitím konfokální mikroskopie
Mocko, Štefan ; Chmelíková, Larisa (oponent) ; Čmiel, Vratislav (vedoucí práce)
Tato bakalářská práce se zabývá dlouhodobou analýzou fluorescence rhodaminu, který je navázán na železité SPIO nanočástice. V první části seznamuje s nutným vědeckým základem pro pochopení fyzikálního jevu fluorescence. Dále se zaměřuje na použité hardwarové a softwarové vybavení pro dlouhodobou analýzu vývoje fluorescence u mezenchymálních kmenových buněk. V neposlední řadě je zde popsán analytický software pro práci s naměřenými daty, který byl vyvinut pro tuto práci.
|
|
|
Using advanced segmentation methods for images from TEM microscopes
Mocko, Štefan ; Chmelík, Jiří (oponent) ; Potočňák, Tomáš (vedoucí práce)
This master‘s thesis deals with the use of a convolutional neural networks for the segmentation task on images from transmission electron microscope. It also describes chosen neural network topology - U-NET, used augmentation techniques and programming environment. ThermoFisher Scientific (formerly FEI Czech Republic s.r.o.) provided data for this thesis. Obtained segmentation results are presented in the form of curves (ROC, PRC) and numerical values (ARI, DSC, Confusion matrices). Chosen U-NET topology achieved excellent results in the field of pixel-wise segmentation, and hopefully, these results will serve as a starting point for internal company research.
|
|
|
U-Net Convolutional Neural Network For Tem
Image Segmentation
Mocko, Štefan
This work deals with the use of a convolutional neural network in the area of segmentation of images acquired with the use of a transmission electron microscope. Paper describes programming tool for image data augmentation, used neural network topology, and it also provides information about model training. This neural network topology delivered excellent results on provided data from the Thermo Fisher Scientific company, which will serve as a starting point for internal company research in image segmentation area.
|
|
|
Using advanced segmentation methods for images from TEM microscopes
Mocko, Štefan ; Chmelík, Jiří (oponent) ; Potočňák, Tomáš (vedoucí práce)
This master‘s thesis deals with the use of a convolutional neural networks for the segmentation task on images from transmission electron microscope. It also describes chosen neural network topology - U-NET, used augmentation techniques and programming environment. ThermoFisher Scientific (formerly FEI Czech Republic s.r.o.) provided data for this thesis. Obtained segmentation results are presented in the form of curves (ROC, PRC) and numerical values (ARI, DSC, Confusion matrices). Chosen U-NET topology achieved excellent results in the field of pixel-wise segmentation, and hopefully, these results will serve as a starting point for internal company research.
|
|
|
Analýza fluorescence organického barviva s využitím konfokální mikroskopie
Mocko, Štefan ; Chmelíková, Larisa (oponent) ; Čmiel, Vratislav (vedoucí práce)
Tato bakalářská práce se zabývá dlouhodobou analýzou fluorescence rhodaminu, který je navázán na železité SPIO nanočástice. V první části seznamuje s nutným vědeckým základem pro pochopení fyzikálního jevu fluorescence. Dále se zaměřuje na použité hardwarové a softwarové vybavení pro dlouhodobou analýzu vývoje fluorescence u mezenchymálních kmenových buněk. V neposlední řadě je zde popsán analytický software pro práci s naměřenými daty, který byl vyvinut pro tuto práci.
|
host ::
RSS.