Cell segmentation in microscopy using a reference modality
Year: 2021
Type: dissertation
Abstract: Mikroskopia nám umožňuje študovať a porozumieť biologickým procesom na bunkovej úrovni a pozorovať biologické štruktúry. V tejto práci sa zameriavame na pozorovanie vplyvu určitých látok na populáciu buniek. Naviac sa znažíme automatizovať pozorovanie kvôli veľkému množstvu buniek. Je žiaduce použiť fázovú kontrastnú mikroskopiu namiesto fluorescenčnej mikroskopie, pretože fluorescenčná mikroskopia je menej pracná a je možné ju používať in-vivo. Preto sa táto práca zameriava na segmentáciu vo fázovej kontrastnej mikroskopii. Bežný prístup je učiť sa pomocou dát anotovaných expertmi. My namiesto toho máme prístup ku korešpondujúcej fluorescenčnej mikroskopii. Preto vytvárame referenčnú segmentáciu automaticky a následne aplikujeme metódy hlbokého učenia. Využívame viacero architektúr neurónových sietí na segmentáciu, napríklad UNet (\cite{Unet}) a techniku 'image-to-image translation' \cite{pix2pix} (priamu techniku transformácie jednoho obrázku na druhý). Aby sme zlepšili segmentáciu, meníme rôzne nastavenia, ako napríklad stratovú funkciu a vyhodnocujeme problémy, ako napríklad nedostatočné farbenie v referenčnej modalite. Kvantitatívne analyzujeme výsledky a vyberáme najlepší model, dosahujúci senzitivitu $88.8\%$ a presnosť $88.5\%$. V závere vyhodnocujeme atribúty popisujúce tvar, množstvo a veľkosť buniek, aby sme identifikovali potenciálne zmeny spôsobené aplikáciou liečív. Tieto deskriptory slúžia ako vstup pre SVM klasifikátor. Nakoniec klasifikátor predikuje, či aplikácia liečiva ovplyvňuje vzhľad buniek.
Author: Mertanová, Hana
Language: Slovak
Subfield: Biophysics
Domain: Life Sciences
Open Access status: green
OpenAlex ID: W7043053379
