Detekce a lokalizace mikrobiálních kolonií pomocí algoritmů hlubokého učení

Simple item page
but.committeedoc. Ing. Daniel Schwarz, Ph.D. (předseda) Ing. Vratislav Harabiš, Ph.D. (místopředseda) Ing. Helena Vítková, Ph.D. (člen) Ing. Lukáš Smital, Ph.D. (člen) Ing. Martin Lamoš, Ph.D. (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Doc. Schwarz položil otázku, je předdefinovaný počet epoch? Odkud pocházela ground truth? Na základě jakých kritérií, vzhledem k aplikačním požadavkům, byla vybrána síť? Ing. Smital položil otázku, je použita vždy kruhová maska? Budete na práci dále pokračovat? Probíhá nanášení vzorků ručně? Student obhájil diplomovou práci s výhradami a odpověděl na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBiomedicínské inženýrství a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorMézl, Martincs
dc.contributor.authorČičatka, Michalcs
dc.contributor.refereeVičar, Tomášcs
dc.date.created2021cs
dc.description.abstractDíky masivnímu rozšíření hmotnostní spektrometrie a neustálému zdražování lidské práce se v současné době nabízí otázka optimalizace přípravy mikrobiálních vzorků. Tato diplomová práce se věnuje návrhu a implementaci algoritmu strojového učení pro segmentaci obrazů mikrobiálních kolonií kultivovaných na Petriho miskách. Algoritmus bude použit v ovládacím software přístroje MBT Pathfinder společnosti Bruker s. r. o., jehož úkolem je automatizace procesu roztěru mikrobiálních vzorků na MALDI destičky. V rámci práce bylo implementováno několik modelů segmentačních neuronových sítí na bázi architektur UNet, UNet++ a ENet. Na základě množství experimentů zkoumajících různé konfigurace sítí a předzpracování trénovacího datasetu byl pro použití v produkčním prostředí vybrán model ENet s čtyřnásobným množstvím filtrů a přidaným konvolučním blokem enkodéru trénovaný na datasetu obrazů misek s aplikovanou kruhovou maskou.cs
dc.description.abstractDue to massive expansion of the mass spectrometry and constant price growth of the human labour the optimalisation of the microbial samples preparation comes into question. This master thesis deals with design and implementation of a machine learning algorithm for segmentation of images of microbial colonies cultivated on Petri dishes. This algorithm is going to be a part of a controlling software of a MBT Pathfinder device developed by the company Bruker s. r. o. that automates the process of smearing microbial colonies onto a MALDI target plates. In terms of this thesis a several models of neural networks based on the UNet, UNet++ and ENet architecture were implemented. Based on a number of experiments investigating various configurations of the networks and pre-processing of the training datatset there was chosen an ENet model with quadruplet filter count and additional convolutional block of the encoder trained on a dataset pre-processed with round mask.en
dc.description.markCcs
dc.identifier.citationČIČATKA, M. Detekce a lokalizace mikrobiálních kolonií pomocí algoritmů hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.cs
dc.identifier.other134426cs
dc.identifier.urihttp://hdl.handle.net/11012/197019
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjecthmotnostní spektrometriecs
dc.subjectMALDIcs
dc.subjectmikrobiální vzorkycs
dc.subjectPetriho miskacs
dc.subjectsegmentace obrazucs
dc.subjectstrojové učenícs
dc.subjectUNetcs
dc.subjectUNet++cs
dc.subjectENetcs
dc.subjectmass spectrometryen
dc.subjectMALDIen
dc.subjectmicrobial samplesen
dc.subjectPetri dishen
dc.subjectimage segmentationen
dc.subjectmachine learningen
dc.subjectUNeten
dc.subjectUNet++en
dc.subjectENeten
dc.titleDetekce a lokalizace mikrobiálních kolonií pomocí algoritmů hlubokého učenícs
dc.title.alternativeDetection and localization of microbial colonies by means of deep learning algorithmsen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2021-06-09cs
dcterms.modified2021-06-10-13:53:45cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid134426en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:27:51en
sync.item.modts2025.01.17 12:14:56en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
39.17 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
52.47 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_134426.html
Size:
11.95 KB
Format:
Hypertext Markup Language
Description:
file review_134426.html
Download
Collections
2021