Number of the records: 1
Použití metod strojového učení na automatickou segmentaci mikroskopických snímků
Title statement Použití metod strojového učení na automatickou segmentaci mikroskopických snímků [rukopis] / Jan Nováček Additional Variant Titles Použití metod strojového učení na automatickou segmentaci mikroskopických snímků Personal name Nováček, Jan (dissertant) Translated title Microscope image segmentation by means of machine learning methods Issue data 2018 Phys.des. 39 Note Ved. práce Eduard Bartl Oponent Markéta Krmelová Another responsib. Bartl, Eduard (thesis advisor) Krmelová, Markéta (opponent) Another responsib. Univerzita Palackého. Katedra informatiky (degree grantor) Form, Genre diplomové práce master's theses UDC (043)378.2 Country Česko Language čeština Document kind PUBLIKAČNÍ ČINNOST Title Mgr. Degree program Navazující Degree program Informatika Degreee discipline Informatika book
Kvalifikační práce Downloaded Size datum zpřístupnění 00220795-754868610.pdf 36 3.1 MB 13.05.2018 Posudek Typ posudku 00220795-ved-705265436.pdf Posudek vedoucího 00220795-opon-433962177.pdf Posudek oponenta
Pro úlohu segmentace mikroskopických snímků jader buněk jsme navrhli a experimentálně ověřili novou metodu. Nejdříve jsme oddělili jádra buněk od pozadí pomocí prahování a následně jsme od sebe rozdělili jádra buněk, která tvořila klastry. Pro rozdělování klastrů jader buněk jsme využili konvoluční neuronové sítě, pomocí kterých se podařilo dosáhnout vysoké přesnosti. V teoretické části textu práce jsme popsali úlohu segmentace a vysvětlili jsme princip umělých neuronových sítí. Ve dvou závěrečných kapitolách jsme vysvětlili motivaci úlohy, princip nové metody a stručně jsme popsali implementaci ukázkového řešení.For a microscope image segmentation task we developed and experimentally verified the new method. In a first step, we separated cell nuclei from the background by a thresholding and then we divided clusters of cell nuclei. For the cluster division we used convolutional neural networks by which the high accuracy was achieved. In the theoretical part, we described the segmentation task and also the core principle of artificial neural networks. In the two final chapters we explained the motivation of the task, principle of the new method a also implementation of sample solution was briefly described.
Number of the records: 1