Moderní přístup k měření citlivosti mikrobiálních kultur na antibiotika s využitím strojového učení
Loading...
Date
Authors
Lepík, Jakub
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Bakalářská práce se zaměřuje na problematiku měření citlivosti mikrobiálních kultur na antibiotika (AST), konkrétně na vylepšení a automatizaci vyhodnocení diskové difúzní metody pomocí strojového učení a architektur pro detekci objektů v obraze. Díky využití vývojové platformy TensorFlow a rozsáhlé datové sady, na níž byly vytrénovány vlastní detekční modely, jako je EfficientDet, je umožněno zpracování široké škály vstupních dat. To přináší možnost využití mobilních zařízení vedle tradičních laboratorních přístrojů při vyhodnocování této metody. Pomocí dalších technik zpracování obrazu a knihovny OpenCV byl vyvinut vlastní algoritmus na měření velikosti inhibičních zón, který je společně s detekčními modely integrován v rámci modulu do webové aplikace společnosti Bruker Daltonics GmbH & Co. Tento modul, vyvíjený pomocí platformy ASP.NET, je přehledným a užitečným nástrojem pro asistenci pracovníkům v mikrobiologických laboratořích.
The bachelor's thesis focuses on antibiotic susceptibility testing (AST), specifically enhancing and automating the assessment of the disk diffusion method using machine learning and object detection architectures. Thanks to the TensorFlow development platform and extensive dataset, on which custom detection models like EfficientDet were trained, processing a wide range of input data is enabled. This brings the possibility of using mobile devices alongside traditional laboratory equipment when evaluating this method. By employing additional image processing techniques and the OpenCV library, a custom algorithm for measuring the size of inhibitory zones was developed, which, along with the detection models, is integrated within the application module developed by Bruker Daltonics GmbH & Co. KG. This module, created using the ASP.NET platform, is a precise and valuable tool for assisting personnel in microbiological laboratories.
The bachelor's thesis focuses on antibiotic susceptibility testing (AST), specifically enhancing and automating the assessment of the disk diffusion method using machine learning and object detection architectures. Thanks to the TensorFlow development platform and extensive dataset, on which custom detection models like EfficientDet were trained, processing a wide range of input data is enabled. This brings the possibility of using mobile devices alongside traditional laboratory equipment when evaluating this method. By employing additional image processing techniques and the OpenCV library, a custom algorithm for measuring the size of inhibitory zones was developed, which, along with the detection models, is integrated within the application module developed by Bruker Daltonics GmbH & Co. KG. This module, created using the ASP.NET platform, is a precise and valuable tool for assisting personnel in microbiological laboratories.
Description
Keywords
AST, ASP.NET, C++, C\#, disková difúzní metoda, Jupyter, konvoluční neuronová síť, OpenCV, Python, strojové učení, TensorFlow, testování citlivosti na antibiotika, umělá inteligence, antibiotic susceptibility testing, AST, artificial intelligence, ASP.NET, convolutional neural network, C++, C\#, disk diffusion method, EfficientDet, Jupyter, machine learning, OpenCV, Python, TensorFlow
Citation
LEPÍK, J. Moderní přístup k měření citlivosti mikrobiálních kultur na antibiotika s využitím strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
prof. Ing. Zdeněk Smékal, CSc. (předseda)
doc. Ing. Radim Burget, Ph.D. (místopředseda)
Ing. Pavel Hanák, Ph.D. (člen)
Ing. Jiří Přinosil, Ph.D. (člen)
Ing. Lukáš Jablončík (člen)
Ing. Markéta Řepková (člen)
Ing. Ondřej Šmirg, Ph.D. (člen)
Date of acceptance
2024-06-10
Defence
Otázky:
Jakým způsobem jste integroval detekční modely a algoritmy zpracování obrazu do webové aplikace? Můžete popsat technické detaily této integrace?
Jaký význam mají dosažené výsledky pro praktické použití v mikrobiologických laboratořích? Jaké přínosy přináší vaše řešení pracovníkům v těchto laboratořích?
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení