Show simple item record

Využití strojového učení pro rozpoznávání a počítání objektů v buněčné biologii
dc.contributor.advisorStopka, Pavel
dc.creatorBrázdilová, Květa
dc.date.accessioned2020-07-29T09:59:19Z
dc.date.available2020-07-29T09:59:19Z
dc.date.issued2020
dc.identifier.urihttp://hdl.handle.net/20.500.11956/119524
dc.description.abstractModern biological research generates large amounts of data, which require automation for efficient analysis. Lately, machine learning solutions are being developed for many of the problems in this field. This thesis focuses on applications of machine learning for image analysis, such as detecting cells in microscopy images and classifying them based on their phenotype. After a brief introduction to machine learning concepts, eight published methods are presented, which employ machine learning for either detecting and classifying, or counting objects in biological images. Five open-source software tools for biological image analysis, which employ some of the methods mentioned above, are introduced. A new project is also described, which aims to create a convolutional neural network for counting bacterial colonies in images of agar plates. The results of this project are discussed. Keywords: machine learning, neural network, pattern recognition, cell biology, segmentationen_US
dc.description.abstractSoučasný biologický výzkum vytváří velké množství dat, která vyžadují automatizaci pro efektivní analýzu. V poslední době vznikají pro mnohé z těchto problémů řešení využívající strojové učení. Tato práce se zaměřuje na aplikace strojového učení pro analýzu obrazu, například detekci buněk v mikroskopickém snímku a jejich klasifikaci dle fenotypu. Po krátkém úvodu do strojového učení obecně bude představeno osm publikovaných metod využívajících strojové učení pro detekci nebo klasifikaci objektů v biologických snímcích. Dále bude uvedeno pět open-sourcových softwarových nástrojů pro obrazovou analýzu v biologii, které využívají některé z metod zmíněných výš. Dále je popsán nový project, jehož cílem je vytvořit konvoluční neuronovou síť na počítání bakteriálních kolonií na agarových plotnách. Na závěr jsou diskutovány výsledky tohoto projektu. Klíčová slova: strojové učení, neuronová síť, rozpoznávání objektů, buněčná biologie, segmentacecs_CZ
dc.languageEnglishcs_CZ
dc.language.isoen_US
dc.publisherUniverzita Karlova, Přírodovědecká fakultacs_CZ
dc.subjectmachine learningen_US
dc.subjectneural networken_US
dc.subjectpattern recognitionen_US
dc.subjectcell biologyen_US
dc.subjectsegmentationen_US
dc.subjectstrojové učenícs_CZ
dc.subjectneuronová síťcs_CZ
dc.subjectrozpoznávání objektůcs_CZ
dc.subjectbuněčná biologiecs_CZ
dc.subjectsegmentacecs_CZ
dc.titleApplications of Machine Learning for Detecting and Counting Objects in Cell Biologyen_US
dc.typebakalářská prácecs_CZ
dcterms.created2020
dcterms.dateAccepted2020-07-08
dc.description.departmentDepartment of Cell Biologyen_US
dc.description.departmentKatedra buněčné biologiecs_CZ
dc.description.facultyPřírodovědecká fakultacs_CZ
dc.description.facultyFaculty of Scienceen_US
dc.identifier.repId221322
dc.title.translatedVyužití strojového učení pro rozpoznávání a počítání objektů v buněčné biologiics_CZ
dc.contributor.refereeHoksza, David
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineBioinformatikacs_CZ
thesis.degree.disciplineBioinformaticsen_US
thesis.degree.programBioinformaticsen_US
thesis.degree.programBioinformatikacs_CZ
uk.thesis.typebakalářská prácecs_CZ
uk.taxonomy.organization-csPřírodovědecká fakulta::Katedra buněčné biologiecs_CZ
uk.taxonomy.organization-enFaculty of Science::Department of Cell Biologyen_US
uk.faculty-name.csPřírodovědecká fakultacs_CZ
uk.faculty-name.enFaculty of Scienceen_US
uk.faculty-abbr.csPřFcs_CZ
uk.degree-discipline.csBioinformatikacs_CZ
uk.degree-discipline.enBioinformaticsen_US
uk.degree-program.csBioinformatikacs_CZ
uk.degree-program.enBioinformaticsen_US
thesis.grade.csVelmi dobřecs_CZ
thesis.grade.enVery gooden_US
uk.abstract.csSoučasný biologický výzkum vytváří velké množství dat, která vyžadují automatizaci pro efektivní analýzu. V poslední době vznikají pro mnohé z těchto problémů řešení využívající strojové učení. Tato práce se zaměřuje na aplikace strojového učení pro analýzu obrazu, například detekci buněk v mikroskopickém snímku a jejich klasifikaci dle fenotypu. Po krátkém úvodu do strojového učení obecně bude představeno osm publikovaných metod využívajících strojové učení pro detekci nebo klasifikaci objektů v biologických snímcích. Dále bude uvedeno pět open-sourcových softwarových nástrojů pro obrazovou analýzu v biologii, které využívají některé z metod zmíněných výš. Dále je popsán nový project, jehož cílem je vytvořit konvoluční neuronovou síť na počítání bakteriálních kolonií na agarových plotnách. Na závěr jsou diskutovány výsledky tohoto projektu. Klíčová slova: strojové učení, neuronová síť, rozpoznávání objektů, buněčná biologie, segmentacecs_CZ
uk.abstract.enModern biological research generates large amounts of data, which require automation for efficient analysis. Lately, machine learning solutions are being developed for many of the problems in this field. This thesis focuses on applications of machine learning for image analysis, such as detecting cells in microscopy images and classifying them based on their phenotype. After a brief introduction to machine learning concepts, eight published methods are presented, which employ machine learning for either detecting and classifying, or counting objects in biological images. Five open-source software tools for biological image analysis, which employ some of the methods mentioned above, are introduced. A new project is also described, which aims to create a convolutional neural network for counting bacterial colonies in images of agar plates. The results of this project are discussed. Keywords: machine learning, neural network, pattern recognition, cell biology, segmentationen_US
uk.file-availabilityV
uk.grantorUniverzita Karlova, Přírodovědecká fakulta, Katedra buněčné biologiecs_CZ
thesis.grade.code2
uk.publication-placePrahacs_CZ


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV