Segmentace snímků srdeční svaloviny zachycených pomocí mikroskopie

Abstract

Automatizace získávání a zpracování dat je dnes běžnou záležitostí jak v mikroskopii tak v počítačovém vidění. Ke klasifikaci a lokalizaci objektů zájmu (v tomto případě kardiomyocytů) lze užít segmentaci. V tomto konkrétním případě byla aplikována sémantická segmentace za užití hlubokých neuronových sítí jakožto hlavního prostředku k provedení zmíněné úlohy a byl vytvořen software umožňující jak zpracování neoznačených dat, tak trénování modelů neuronových sítí na označených datech. Tato práce krátce hovoří o optické mikroskopi, detailně popisuje segmentaci a hluboké učení a na závěr poskytuje popis procesu od přípravy dat, přes implementaci a trénování neuronových sítí, k vytvoření konečného softwaru. Tento software usnadní a zefektivní práci výzkumníků poskytnutím pouze relevantních dat pro výzkum, pomůže automatizovat sběr mikroskopických snímků a s menším upravením může být aplikován na další obdobné segmentační úlohy.

Automating data acquisition and processing is common practice in both microscopy and computer vision fields. To classify and localize objects of interest (cardiomyocytes in this case) in microscopy images, segmentation can be performed. In this particular case, semantic segmentation by using deep neural networks was used as the core mean to perform mentioned task and software providing possibility of processing unlabeled data or training neural network architectures on labeled data was implemented. This work does a brief introduction to optical microscopy, inspects segmentation and deep learning in detail and finally describes the process from preparing data, implementing and training neural networks, to design of the final software. This software will ease the work of researchers by providing them with only relevant data, automate microscopy data acquisition, and with minor changes it can be applied to any similar segmentation task.