Segmentation of Dense Cell Populations using Convolutional Neural Networks

Bc. Filip Lux

Diplomová práce

Anotace:

Diplomová práce se zabývá schopnostmi konvolučních neurálních sítí segmentovat mikroskopové snímky hustých buněčných populací. Pro výzkum byl zvolen datová množina obrazů ze soutěže Cell Tracking Challenge, který není snadné řešit tradičními technikami zpracování obrazu. Vytvořili jsme a natrénovali vlastní konvoluční neurání síť segmentující tyto snímky, která je úspěšná i v mezinárodním srovnání. Text představuje všechny použité metody a podrobně popisuje přípravu datové množiny i trénování neurální sítě.

Abstract:

This thesis examines the ability of convolutional neural networks to segment microscopy images of dense cell populations. We chose an image dataset from the Cell Tracking Challenge competition, which is not easy to solve using traditional image processing techniques. We built and trained our convolutional neural network able to segment these images, which is successful also in the international context. The text introduces all the methods we used and describes in detail dataset preprocessing and neural network training.

Keywords

cell segmentation, convolutional neural networks, deep learning, image analysis

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 21. 5. 2018

Obhajoba závěrečné práce

• Obhajoba proběhla 18. 6. 2018
• Vedoucí: doc. RNDr. Petr Matula, Ph.D.
• Oponent: prof. RNDr. Michal Kozubek, Ph.D.

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Informatika / Umělá inteligence a zpracování přirozeného jazyka