Název: Cell And Sub-Cellular Segmentation In Quantitative Phase Imaging Using U-Net
Autoři: Majerčík, Jakub ; Špaček, Michal
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: The ability to automatically segment images, especially microscopy images of cells, opensnew opportunities in cancer research or other practical applications. Recent advancements in deeplearning enabled for effective single-cell segmentation, however, automatic segmentation of subcellularregions is still challenging. This work describes an implementation of a U-net neural networkfor label-free segmentation of sub-cellular regions on images of adherent prostate cancer cells,specifically PC-3 and 22Rv1. Using the best performing approach, out of all that have been tested,we have managed to distinguish between objects and background with average dice coefficients of0.83, 0.78 and 0.63 for whole cells, nuclei and nucleoli respectively
Klíčová slova: cell segmentation; deep learning; neural network; nucleus,nucleolus; quantitative phase imaging
Zdrojový dokument: Proceedings II of the 27st Conference STUDENT EEICT 2021: Selected papers, ISBN 978-80-214-5943-4

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/200823

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-447867


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference