Segmentation and Tracking of Organoids in Brightfield Microscopy Image Data

Bc. Lucia Dupkaničová

Master's thesis

Abstract:

Spoľahlivá automatická analýza obrazu je kľúčovou zložkou biomedicínskeho výskumu. Analýza obrazov organoidov pomáha pochopiť biochemické procesy v ľudskom tele a skúmať vplyv jednotlivých chemických látok na ľudské tkanivá. Za týmto účelom musia byť algoritmy pracujúce nad vstupnými obrazovými dátami spoľahlivé a robustné voči rôznorodosti biomedicínskych vzoriek a vstupných obrazových dát. Táto práca prezentuje skupinu algoritmov založených na hlbokom učení, ktoré boli vyvinuté špeciálne pre segmentáciu a sledovanie organoidov v 2D+t obrazových dátach vytvorených prostredníctvom mikroskopie vo svetelnom poli (brightfield microscopy). Kvantitatívne vyhodnotenie týchto algoritmov na dvoch sadách reálnych obrazových dát ukazuje, že najlepšie spomedzi týchto algoritmov sú robustné pre rozličné fenotypy organoidov z prsného epitelového tkaniva a môžu tak byť výskumníkmi využité pre automatizáciu procesu analýzy obrazových dát.

Abstract:

Reliable automated image analysis has become crucial for biomedical research. Analysis of organoid images helps understand biochemical processes in human bodies and test influence of individual chemicals to human body tissues. To that end, the algorithms operating on the input image data must be reliable and robust to the high heterogeneity of the specimens and the input image data. This thesis presents a family of deep-learning-based algorithms developed specifically for segmentation and tracking of an organoid of interest in 2D+t brightfield microscopy image data. The quantitative evaluation of these algorithms on two real image datasets shows that the best-performing algorithms are robust across different phenotypes of mammary epithelial organoids and thus can be used by the researchers to automate the image analysis process.

Keywords

biomedical image analysis, organoid, brightfield microscopy, image segmentation, object tracking, deep learning

Language used: English

Date on which the thesis was submitted / produced: 17. 5. 2022

Thesis defence

• Date of defence: 24. 6. 2022
• Supervisor: doc. RNDr. Martin Maška, Ph.D.
• Reader: prof. RNDr. Michal Kozubek, Ph.D.

Masaryk University

Faculty of Informatics

Master programme / field:
Visual informatics / Image processing and analysis