Název:
Biofyzikální interpretace kvantitativního fázového zobrazení
Překlad názvu:
Biophysical interpretation of quantitative phase image
Autoři:
Štrbková, Lenka ; Kozubek,, Michal (oponent) ; Hoppe, Andreas (oponent) ; Chmelík, Radim (vedoucí práce) Typ dokumentu: Disertační práce
Rok:
2018
Jazyk:
eng
Nakladatel: Vysoké učení technické v Brně. CEITEC VUT
Abstrakt: [eng][cze]
Práce se zabývá interpretací kvantitativního fázového zobrazení pomocí techniky koherencí řízené holografické mikroskopie. Vzhledem k tomu, že tato technika generuje velké množství kvantitativních fázových obrazů o nezanedbatelné velikosti, manuální analýza by byla časově náročná a neefektivní Za účelem urychlení analýzy obrazů získaných pomocí koherencí řízené holografické mikroskopie je v této práci navržena metodika automatizované interpretace kvantitativních fázových obrazů pomocí strojového učení s učitelem. Kvantitativní fázové obrazy umožňují extrakci parametrů charakterizujících distribuci suché hmoty v buňce a poskytují tak cennou informaci o buněčném chování. Cílem této práce je navrhnout metodologii pro automatizovanou klasifikaci buněk při využití této kvantitativní informace jak ze statických, tak z časosběrných kvantitativních fázových obrazů. Navržená metodika byla testována v experimentech s živými buňkami, jimiž byla vyhodnocena výkonnost klasifikace a významnost parametrů získaných z kvantitativních fázových obrazů.
This work deals with the interpretation of the quantitative phase images gained by coherence-controlled holographic microscopy. Since the datasets of quantitative phase images are of substantial size, the manual analysis would be time-consuming and inefficient. In order to speed up the analysis of images gained by coherence-controlled holographic microscopy, the methodology for automated interpretation of quantitative phase images by means of supervised machine learning is proposed in this work. The quantitative phase images enable extraction of valuable features characterizing the distribution of dry mass within the cell and hence provide important information about the live cell behaviour. The aim of this work is to propose a methodology for automated classification of cells while employing the quantitative information from both the single-time-point and time-lapse quantitative phase images. The proposed methodology was tested in the experiments with live cells, where the performance of the classification was evaluated and the relevance of the features derived from the quantitative phase image was assessed.
Klíčová slova:
cell classification; digital holographic microscopy; quantitative phase image; supervised machine learning; digitální holografická mikroskopie; klasifikace buněk; kvantitativní fázový obraz; strojové učení s učitelem
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/11012/70207