AI Image Analysis Pipeline Implementation for Digital Pathology

Andrej Kubanda

Bakalářská práce

Anotace:

Moderná patológia smeruje k umelou inteligenciou asistovanému spôsobu práce, čo priťahuje mnohých výskumníkov, vrátane tímu na Fakulte informatiky. Avšak, nástroje na analýzu obrazu, vyvinuté týmto výskumným tímom, nie sú zjednotené a obsahujú problémy, typické pre prototypy a experimentálne implementácie. Práca preto predstavuje modulárny dizajn nástroja strojového učenia a dodáva aj jeho implementáciu, ktorá integruje tieto samostatné nástroje. Zameriava sa aj na vylepšenia týkajúce sa celkovej flexibility, modularity systému, generického vykonávania programu, konfigurovateľnosti a zaznamenávania informácií, nevyhnutných pre reprodukovateľnosť experimentov.

Abstract:

Modern pathology is moving towards an artificial intelligence-assisted workflow, which attracts many researchers, including a team at the Faculty of Informatics. However, the image analysis tools developed by the research team are not unified and suffer from issues typical for prototypes and experimental implementations. Thus, the thesis presents a modular machine learning pipeline design and delivers its implementation that integrates those separate tools. Furthermore, the work focuses on improvements concerning the overall flexibility, system modularity, generic execution, configurability, and logging information deemed essential for experiment reproducibility.

Keywords

machine learning, modularity, configurability, reproducibility, convolutional neural networks, machine learning pipeline, Python, TensorFlow, Keras, digital pathology, whole slide images

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 25. 5. 2021

Obhajoba závěrečné práce

• Obhajoba proběhla 28. 6. 2021
• Vedoucí: Mgr. Matej Gallo
• Oponent: RNDr. Jaroslav Čechák

Masarykova univerzita

Fakulta informatiky

Bakalářský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika