Metody pro shlukování a vyhledávání v obrazových datech z elektronových mikroskopů

Abstract

Tato práce řeší problematiku shlukování obrázků z elektronové mikroskopie. Tyto obrázky lze shlukovat podle vizuální podobnosti nebo podle metadat zachycujících nastavení mikroskopu v době pořízení obrázku. Cílem práce je porovnat úspěšnosti obou výše zmíněných přístupů a prozkoumat možnost využití shlukování k rozdělení sady obrázků na obrázky korektní a obrázky zachycující chybu vzniklou při automatizované práci mikroskopu. Hlavním závěrem práce je zjištění, že mezi korektním a chybným obrázkem z elektronového mikroskopu je vizuální rozdíl i rozdíl v metadatech tak malý, že je pomocí shlukování bez učitele nelze správně odlišit. Pozitivním přínosem práce je ale demonstrování použitelnosti vybraných metod na automatické rozdělení sady obrázků do tříd odpovídajících různým fázím práce mikroskopu, což usnadní pracovníkům manuální analýzu obrázků.This thesis deals with the problem of clustering images from electron microscopy. These images can be clustered by visual similarity or by metadata, which describe the settings of the microscope. The goal of this thesis is to compare these two clustering approaches and to explore the possibility of utilizing clustering to split a set of pictures into two parts - one containing correct pictures and the other containing pictures which capture an error during automatized work of an electron microscope. Conclusion of this thesis is that visual differences and differences in metadata between correct and errorous images from electron microscopy are so small, that they cannot be distinguished by unsupervised clustering techniques. However, a positive contribution of this work is demonstration of usability of the methods chosen in this thesis for clustering images into groups corresponding with different phases of work of the microscope, which will make the manual analysis of these pictures easier.