Normalizácia farbenia histopatologických snímkov pomocou neuronových sietí

Bc. Adam Lopatka

Bakalářská práce

Stain Normalization of Histopathology WSI via Neural Networks

Abstract:

The rapid development of machine learning and neural networks significantly impacts the field of digital pathology. One of the main obstacles to the effective application of these methods is the color inconsistency of pathological images caused by varying laboratory protocols. The aim of this bachelor's thesis was to design and analyze a method for color normalization of histopathological images using a U-Net convolutional neural network. The work focuses on normalizing the color spectrum of samples, aiming to transform the appearance of samples from various sources so that they resemble as closely as possible the data on which diagnostic models were trained. The proposed model was trained on synthetically modified data simulating the color variability caused by different staining protocols and digitization devices. Quantitative evaluation on an independent test set confirmed the model's ability to effectively reduce color deviations while preserving the structural properties of tissue. The work also includes an experimental validation using a diagnostic model developed by the RationAI research group on the PANDA dataset, aiming to verify the contribution of normalization to downstream diagnostic tasks.

Abstract:

Rýchly rozvoj strojového učenia a~neurónových sietí významne ovplyvňuje aj oblasť digitálnej patológie. Jednou z~hlavných prekážok v~efektívnej aplikácii týchto metód je farebná nejednotnosť patologických snímok spôsobená rozdielnymi postupmi v~laboratóriách. Cieľom tejto bakalárskej práce bolo navrhnúť a~analyzovať metódu farebnej normalizácie histopatologických snímok pomocou konvolučnej neurónovej siete typu U-Net. Táto práca sa zameriava na problém normalizácie farebného spektra vzoriek, pričom cieľom bolo transformovať vzhľad vzoriek z~rôznych zdrojov tak, aby sa čo najviac podobali dátam, na ktorých boli trénované diagnostické modely. Navrhnutý model bol trénovaný na synteticky modifikovaných dátach, ktoré simulovali farebnú variabilitu spôsobenú rôznymi farbiacimi postupmi a~digitalizačnými zariadeniami. Kvantitatívne vyhodnotenie na nezávislej testovacej množine potvrdilo schopnosť modelu efektívne redukovať farebné odchýlky pri zachovaní štrukturálnych vlastností tkaniva. Súčasťou práce je aj experimentálna validácia na diagnostickom modeli vyvinutom výskumnou skupinou RationAI nad dátovou sadou PANDA, ktorej cieľom je overiť prínos normalizácie pre nadväzujúce diagnostické úlohy.

Klíčová slova

digitálna patológia, konvolučné neurónové siete, spracovanie obrazu, normalizácia farbenia

Jazyk práce: slovenština

Datum vytvoření / odevzdání či podání práce: 21. 5. 2026

Obhajoba závěrečné práce

• Obhajoba proběhla 23. 6. 2026
• Vedoucí: Mgr. Karel Štěpka, Ph.D.
• Oponent: Mgr. Lucia Hradecká

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Informatika / Informatika