Využitie pokročilých segmentačných metód pre obrazy z TEM mikroskopov
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
Tato magisterská práce se zabývá využitím konvolučních neuronových sítí pro segmentační účely v oblasti transmisní elektronové mikroskopie. Také popisuje zvolenou topologii neuronové sítě - U-NET, použíté augmentační techniky a programové prostředí. Firma Thermo Fisher Scientific (dříve FEI Czech Republic s.r.o) poskytla obrazová data pro účely této práce. Získané segmentační výsledky jsou prezentovány ve formě křivek (ROC, PRC) a ve formě numerických hodnot (ARI, DSC, Chybová matice). Zvolená UNET topologie dosáhla excelentních výsledků v oblasti pixelové segmentace. S největší pravděpodobností, budou tyto výsledky sloužit jako odrazový můstek pro interní firemní výzkum.
This master‘s thesis deals with the use of a convolutional neural networks for the segmentation task on images from transmission electron microscope. It also describes chosen neural network topology - U-NET, used augmentation techniques and programming environment. ThermoFisher Scientific (formerly FEI Czech Republic s.r.o.) provided data for this thesis. Obtained segmentation results are presented in the form of curves (ROC, PRC) and numerical values (ARI, DSC, Confusion matrices). Chosen U-NET topology achieved excellent results in the field of pixel-wise segmentation, and hopefully, these results will serve as a starting point for internal company research.
This master‘s thesis deals with the use of a convolutional neural networks for the segmentation task on images from transmission electron microscope. It also describes chosen neural network topology - U-NET, used augmentation techniques and programming environment. ThermoFisher Scientific (formerly FEI Czech Republic s.r.o.) provided data for this thesis. Obtained segmentation results are presented in the form of curves (ROC, PRC) and numerical values (ARI, DSC, Confusion matrices). Chosen U-NET topology achieved excellent results in the field of pixel-wise segmentation, and hopefully, these results will serve as a starting point for internal company research.
Description
Citation
MOCKO, Š. Využitie pokročilých segmentačných metód pre obrazy z TEM mikroskopov [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2018.
Document type
Document version
Date of access to the full text
Language of document
en
Study field
Biomedicínské inženýrství a bioinformatika
Comittee
prof. Ing. Ivo Provazník, Ph.D. (předseda)
Ing. Martin Vítek, Ph.D. (místopředseda)
Ing. Vratislav Čmiel, Ph.D. (člen)
doc. RNDr. Martin Kovár, Ph.D. (člen)
Ing. Martin Lamoš, Ph.D. (člen)
Ing. Jan Červený, Ph.D. (člen)
Date of acceptance
2018-06-13
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Prof. Provazník položil otázku: Nebylo možné si rozdělit signály jinak než na 100 a 6? Bylo by ověření křížovou validací s větší testovací sadou vhodné? Nebylo možné použít existující databázi podobných obrazů? Ing. Lamoš položil otázku: Proč by bylo lepší mít více variabilní trénovací sadu? Student obhájil diplomovou práci.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení