Original title:
Segmentace buněk pomocí konvolučních neuronových sítí
Translated title:
Cell segmentation using convolutional neural networks
Authors:
Hrdličková, Alžběta ; Chmelík, Jiří (referee) ; Vičar, Tomáš (advisor) Document type: Master’s theses
Year:
2021
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií Abstract:
[cze][eng]
Tato práce zkoumá využití konvolučních neuronových sítí se zaměřením na sémantickou a instanční segmentaci buněk z mikroskopických snímků. Teoretická část obsahuje popis hlubokých neuronových sítí a shrnutí široce používaných konvolučních architektur pro segmentaci obrazu. Praktická část práce je věnována vytvoření modelu konvoluční neuronové sítě na základě architektury U-Net. Dále obsahuje segmentaci buněk predikovaných obrazů pomocí tří metod, a to prahování, metody rozvodí a metody náhodného chodce.
This work examines the use of convolutional neural networks with a focus on semantic and instance segmentation of cells from microscopic images. The theoretical part contains a description of deep neural networks and a summary of widely used convolutional architectures for image segmentation. The practical part of the work is devoted to the creation of a convolutional neural network model based on the U-Net architecture. It also contains cell segmentation of predicted images using three methods, namely thresholding, the watershed and the random walker.
Keywords:
convolutional neural networks; deep learning; image segmentation; marker controlled watershed; Perceptron; PyTorch; random walker; U-Net; hluboké učení; konvoluční neuronové sítě; náhodný chodec; Perceptron; PyTorch; rozvodí kontrolované markery; segmentace obrazu; U-Net
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: http://hdl.handle.net/11012/201436