Analýza vlivu trénovací datové sady na úspěšnost segmentace
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Mikrobiální struktury jsou v každém živém organismu, proto je důležité je klasifikovat pro následné zkoumání jejich původu a funkce. Společnost Bruker, s.r.o vyvíjí právě pro tento účel přístroj MBT Pathfinder, který automatizuje přenos kolonií na MALDI destičky, kde probíhá následná analýza vzorku. Přenášené kolonie lze vybrat ručně nebo pomocí algoritmu, který zajistí automatickou segmentaci kolonií. Tento algoritmus je nejdříve potřeba naučit na trénovací množině, která má velký vliv na jeho přesnost. Tato práce se zabývá měřením vlivu datové sady na přesnost tohoto algoritmu.
Microbial structures are present in every living organism, so it is important to classify them for subsequent research of their origin and function. Bruker, s.r.o is developing the MBT Pathfinder for this purpose, which automates the transfer of colonies to MALDI plates, where the subsequent analysis of the sample takes place. Transferred colonies can be selected manually or using an algorithm that ensures automatic colony segmentation. This algorithm must be learned on a training set, which has huge influence on its accuracy. This work deals with measuring the influence of a dataset on the accuracy of this learning algorithm.
Microbial structures are present in every living organism, so it is important to classify them for subsequent research of their origin and function. Bruker, s.r.o is developing the MBT Pathfinder for this purpose, which automates the transfer of colonies to MALDI plates, where the subsequent analysis of the sample takes place. Transferred colonies can be selected manually or using an algorithm that ensures automatic colony segmentation. This algorithm must be learned on a training set, which has huge influence on its accuracy. This work deals with measuring the influence of a dataset on the accuracy of this learning algorithm.
Description
Citation
BENEŠOVSKÁ, V. Analýza vlivu trénovací datové sady na úspěšnost segmentace [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
doc. Ing. Radim Kolář, Ph.D. (předseda)
Ing. Jan Odstrčilík, Ph.D. (místopředseda)
Mgr. Ing. Karel Sedlář, Ph.D. (člen)
Ing. Roman Jakubíček, Ph.D. (člen)
MUDr. Jaromír Gumulec, Ph.D. (člen)
Date of acceptance
2021-06-09
Defence
Studentka prezentovala výsledky své práce a komise byla seznámena s posudky. Doc. Kolář položil otázku: Jaké jsou možnosti a parametry použitého přístroje? MUDr. Gumulec položil otázku: Vstupní data byla jen dvě média nebo i jiná? Ing. Odstrčilík položil otázku: Lze stanovit za jakých podmínek by byla segmentace nejlepší? Doc. Kolář položil otázku: Měla by anotace od dvou nezávislých expertů vliv na výsledek? Studentka obhájila diplomovou práci a odpověděla na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení