|
| |
|
|
Analysis of Microscopic Images of Cancer Cells
Vičar, Tomáš ; Matula,, Petr (referee) ; Sladoje, Natasa (referee) ; Kolář, Radim (advisor)
Tato disertační práce je zaměřena na analýzu různých forem mikroskopických obrazových dat nádorových buněk (statické 2D snímky, statické 3D obrazy, 2D časosběrné zobrazování živých buněk). Hlavní pozornost je věnována datům získaným koherencí řízeným holografickým mikroskopem, který je relativně novou modalitou schopnou kotrastních záznamů živých buněk bez barvení (label-free) a poskytuje kvantitativní informaci (kvantitativní fázové zobrazení - QPI). V práci je popsán základní postup analýzy těchto snímků a jsou vytvářeny nové metody a zdokonalovány metody pro jednotlivé kroky této analýzy. Největší část práce je věnována segmentaci buněk, kde jsou shrnuty klasické metody i metody založené na hlubokém učení. Jsou také vyvinuty nové metody vhodné právě pro QPI data. Část práce je také věnována segmentaci 3D fluorescenční jader a detekci DNA zlomů pomocí hlubokého učení. Práce se zabývá i dalším zpracování v podobě sledování buněk, extrakce příznaků a následné analýze, kde je detekována buněčná smrt a jsou vytvořeny vhodné interpretovatelné příznaky pro klasifikaci buněčné smrti na apoptickou a lytickou. Celkově tato práce přispívá k rozvoji jednotlivých kroků analýzy obrazu nádorových buněk a odráží současný pokrok v oblasti analýzy obrazu, zejména přístupy hlubokého učení, což je také demonstrováno na několika výzkumných aplikacích.
|
|
|
Analysis of Microscopic Images of Cancer Cells
Vičar, Tomáš ; Matula,, Petr (referee) ; Sladoje, Natasa (referee) ; Kolář, Radim (advisor)
Tato disertační práce je zaměřena na analýzu různých forem mikroskopických obrazových dat nádorových buněk (statické 2D snímky, statické 3D obrazy, 2D časosběrné zobrazování živých buněk). Hlavní pozornost je věnována datům získaným koherencí řízeným holografickým mikroskopem, který je relativně novou modalitou schopnou kotrastních záznamů živých buněk bez barvení (label-free) a poskytuje kvantitativní informaci (kvantitativní fázové zobrazení - QPI). V práci je popsán základní postup analýzy těchto snímků a jsou vytvářeny nové metody a zdokonalovány metody pro jednotlivé kroky této analýzy. Největší část práce je věnována segmentaci buněk, kde jsou shrnuty klasické metody i metody založené na hlubokém učení. Jsou také vyvinuty nové metody vhodné právě pro QPI data. Část práce je také věnována segmentaci 3D fluorescenční jader a detekci DNA zlomů pomocí hlubokého učení. Práce se zabývá i dalším zpracování v podobě sledování buněk, extrakce příznaků a následné analýze, kde je detekována buněčná smrt a jsou vytvořeny vhodné interpretovatelné příznaky pro klasifikaci buněčné smrti na apoptickou a lytickou. Celkově tato práce přispívá k rozvoji jednotlivých kroků analýzy obrazu nádorových buněk a odráží současný pokrok v oblasti analýzy obrazu, zejména přístupy hlubokého učení, což je také demonstrováno na několika výzkumných aplikacích.
|
|
| |
|
|
Segmentation of cells from microscopic images
Lašan, Michal ; Soukup, Jindřich (advisor) ; Blažek, Jan (referee)
In this thesis, we present a new method for the automatic segmentation of mammalian cancer cells from time-lapse images obtained by a microscope based on phase contrast. This method is a pipeline composed of basic techniques from the field of image processing, mathematical morphology and the theory of graphs. Its main idea is to utilize the presence of halo artifacts around the cells, which cause the boundaries between the cells to be lighter than the rest of the image. It follows up to the method proposed by Jindřich Soukup which is able to separate the cells from the background. We compare this method to the watershed - a publicly available algorithm from the field of mathematical morphology. We use segmentation by a human expert as the ground truth. The presented method is implemented in MATLAB and Java with a simple and intuitive interface. We also attach a straightforward GUI editor of segmentation written in Java, with the help of which a user can correct imprecisions in the segmentation, or even create their own manual segmentation. Powered by TCPDF (www.tcpdf.org)
|
guest ::
