Segmentace biologických vzorků v obrazech z kryo-elektronového mikroskopu s využitím metod strojového učení

Abstract

Zobrazovanie pomocou kryo-elektrónovej mikroskopie má svoje nezastúpiteľné miesto v analýze viacerých biologických štruktúr. Lokalizácia buniek kultivovaných na mriežke a ich segmentácia voči pozadiu alebo kontaminácii je základom. Spolu s vývojom viacerých metód hlbokého učenia sa podstatne zvýšila úspešnosť úloh sémantickej segmentácie. V tejto práci vyvinieme hlbokú konvolučnú neurónovú sieť pre úlohu sémantickej segmentácie buniek kultivovaných na mriežke. Dátový súbor pre túto prácu bol vytvorený pomocou dual-beam kryo-elektónového mikroskopu vyvinutého spoločnosťou Thermo Fisher Scientific Brno.Cryo-electron microscopy imaging has its irreplaceable position in analysis of various biological structures. Localization of the cells cultivated on grid and their segmentation towards background or contamination is essential. With the development of various deep learning methods, the performance of semantic segmentation tasks dramatically increased. In this thesis, we will develop a deep convolutional neural network for semantic segmentation of the cells cultivated on grid. Dataset for this thesis was created with dual-beam cryo-electron microscope developed by Thermo Fisher Scientific Brno.