Název: Segmentace snímků srdeční svaloviny zachycených pomocí mikroskopie
Překlad názvu: Segmentation of cardiac muscle images acquired using confocal microscopy
Autoři: Kadlec, Filip ; Shehadeh, Mhd Ali (oponent) ; Škrabánek, Pavel (vedoucí práce)
Typ dokumentu: Diplomové práce
Rok: 2022
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně. Fakulta strojního inženýrství
Abstrakt: [eng] [cze]
Automatizace získávání a zpracování dat je dnes běžnou záležitostí jak v mikroskopii tak v počítačovém vidění. Ke klasifikaci a lokalizaci objektů zájmu (v tomto případě kardiomyocytů) lze užít segmentaci. V tomto konkrétním případě byla aplikována sémantická segmentace za užití hlubokých neuronových sítí jakožto hlavního prostředku k provedení zmíněné úlohy a byl vytvořen software umožňující jak zpracování neoznačených dat, tak trénování modelů neuronových sítí na označených datech. Tato práce krátce hovoří o optické mikroskopi, detailně popisuje segmentaci a hluboké učení a na závěr poskytuje popis procesu od přípravy dat, přes implementaci a trénování neuronových sítí, k vytvoření konečného softwaru. Tento software usnadní a zefektivní práci výzkumníků poskytnutím pouze relevantních dat pro výzkum, pomůže automatizovat sběr mikroskopických snímků a s menším upravením může být aplikován na další obdobné segmentační úlohy. Automating data acquisition and processing is common practice in both microscopy and computer vision fields. To classify and localize objects of interest (cardiomyocytes in this case) in microscopy images, segmentation can be performed. In this particular case, semantic segmentation by using deep neural networks was used as the core mean to perform mentioned task and software providing possibility of processing unlabeled data or training neural network architectures on labeled data was implemented. This work does a brief introduction to optical microscopy, inspects segmentation and deep learning in detail and finally describes the process from preparing data, implementing and training neural networks, to design of the final software. This software will ease the work of researchers by providing them with only relevant data, automate microscopy data acquisition, and with minor changes it can be applied to any similar segmentation task.
Klíčová slova: deep learning; Keras; microscopy images; neural networks; segmentation; hluboké učení; Keras; mikroskopické obrázky; neuronové sítě; segmentace

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/11012/205223

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-502807


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Vysokoškolské kvalifikační práce > Diplomové práce