Learning-Based Cell Image Synthesis in Biomedical Imaging /
Strojové učení nachází stále větší uplatnění v analýze biomedicínských snímků. Umožňuje řešit úlohy, které jsou příliš časově náročné nebo náchylné k chybám při ručním zpracování a mezi které patří například segmentace buněk v 3D časosběrných sekvencích. Metody založené na strojovém učení jsou však...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Angličtina |
| Vydáno: |
2023
|
| Témata: | |
| On-line přístup: | https://is.muni.cz/th/nbrbe/ |
| LEADER | 04714ctm a22007217i 4500 | ||
|---|---|---|---|
| 001 | MUB01006533693 | ||
| 003 | CZ BrMU | ||
| 005 | 20241120104458.0 | ||
| 008 | 240125s2023 xr ||||| |||||||||||eng d | ||
| STA | |a POSLANO DO SKCR |b 2024-07-15 | ||
| 035 | |a (ISMU-VSKP)318933 | ||
| 040 | |a BOD114 |b cze |d BOD018 |e rda | ||
| 072 | 7 | |a 004.8 |x Umělá inteligence |2 Konspekt |9 23 | |
| 072 | 7 | |a 57 |x Obecná biologie |2 Konspekt |9 2 | |
| 080 | |a 004 |2 MRF | ||
| 080 | |a 57:61 |2 MRF | ||
| 080 | |a 004.85 |2 MRF | ||
| 080 | |a 57.089 |2 MRF | ||
| 080 | |a 57.086.2 |2 MRF | ||
| 080 | |a 575.112 |2 MRF | ||
| 100 | 1 | |a Wiesner, David |% UČO 255597 |* [absolvent FI MU] |4 dis | |
| 242 | 1 | 0 | |a Learning-Based Cell Image Synthesis in Biomedical Imaging |y eng |
| 245 | 1 | 0 | |a Learning-Based Cell Image Synthesis in Biomedical Imaging / |c David Wiesner |
| 264 | 0 | |c 2023 | |
| 300 | |a viii, 1 svazek (různé stránkování) : |b ilustrace | ||
| 336 | |a text |b txt |2 rdacontent | ||
| 337 | |a bez média |b n |2 rdamedia | ||
| 338 | |a svazek |b nc |2 rdacarrier | ||
| 500 | |a Vedoucí práce: David Svoboda | ||
| 502 | |a Dizertace (Ph.D.)--Masarykova univerzita, Fakulta informatiky, 2024 | ||
| 520 | 2 | |a Strojové učení nachází stále větší uplatnění v analýze biomedicínských snímků. Umožňuje řešit úlohy, které jsou příliš časově náročné nebo náchylné k chybám při ručním zpracování a mezi které patří například segmentace buněk v 3D časosběrných sekvencích. Metody založené na strojovém učení jsou však ze své podstaty závislé na datech a vyžadují značné množství trénovacích vzorků, aby mohly produkovat výstupy v žádané kvalitě. Vhodných souborů trénovacích dat je málo a obvykle nejsou volně dostupné kvůli licenčním omezením nebo pracné ruční přípravě. V této práci se zaměřujeme na vývoj metod pro syntézu vizuálně věrohodných mikroskopických snímků buněk s cílem řešit nedostatek dostupných trénovacích datových sad. Práce se navíc věnuje návrhu nové metodiky pro syntézu 3D statických i časosběrných sekvencí živých buněk ve vysokém rozlišení. |% cze | |
| 520 | 2 | 9 | |a Machine learning techniques have an increasing presence in biomedical image analysis. They can provide solutions to tasks that would be too time-consuming or error-prone to do manually, such as cell tracking and segmentation in 3D time-lapse sequences. However, they are inherently data-driven and therefore require a considerable amount of training samples in order to produce outputs with reasonable accuracy. Suitable training data sets are scarce and usually not freely available due to licensing restrictions or laborious manual preparation. In this work, we focus on developing methods for the synthesis of visually-plausible microscopy images of cells in order to address the lack of available training data sets. We begin with a simple method for 3D static cell modeling and then explore a new methodology to produce 3D time-lapse sequences of living cells in high spatial and temporal resolution. |9 eng |
| 650 | 0 | 7 | |a výpočetní technika |7 ph137273 |2 czenas |
| 650 | 0 | 7 | |a strojové učení |7 ph126143 |2 czenas |
| 650 | 0 | 7 | |a bioinformatika |7 ph194800 |2 czenas |
| 650 | 0 | 7 | |a biomedicína |7 ph165181 |2 czenas |
| 650 | 0 | 7 | |a biomedicínské metody |7 ph138852 |2 czenas |
| 650 | 0 | 9 | |a computer science |2 eczenas |
| 650 | 0 | 9 | |a machine learning |2 eczenas |
| 650 | 0 | 9 | |a bioinformatics |2 eczenas |
| 650 | 0 | 9 | |a biomedicine |2 eczenas |
| 650 | 0 | 9 | |a biomedical methods |2 eczenas |
| 655 | 7 | |a disertace |7 fd132024 |2 czenas | |
| 655 | 9 | |a dissertations |2 eczenas | |
| 658 | |a Informatika |b Technologie a metodologie počítačových systémů |c FI D-INF DIIA (DIIA) |2 CZ-BrMU | ||
| 700 | 1 | |a Svoboda, David, |d 1978- |7 xx0145053 |% UČO 2824 |4 ths | |
| 710 | 2 | |a Masarykova univerzita. |b Katedra vizuální informatiky |4 dgg | |
| 856 | 4 | 1 | |u https://is.muni.cz/th/nbrbe/ |
| CAT | |c 20240125 |l MUB01 |h 0420 | ||
| CAT | |a POSPEL |b 02 |c 20240202 |l MUB01 |h 2142 | ||
| CAT | |a POSPEL |b 02 |c 20240202 |l MUB01 |h 2143 | ||
| CAT | |a POSPEL |b 02 |c 20240206 |l MUB01 |h 2048 | ||
| CAT | |a POSPEL |b 02 |c 20240206 |l MUB01 |h 2048 | ||
| CAT | |a VESELA |b 02 |c 20240408 |l MUB01 |h 1534 | ||
| CAT | |a VESELA |b 02 |c 20240408 |l MUB01 |h 1536 | ||
| CAT | |c 20240715 |l MUB01 |h 1016 | ||
| CAT | |a VESELA |b 02 |c 20241120 |l MUB01 |h 1044 | ||
| CAT | |a VESELA |b 02 |c 20241120 |l MUB01 |h 1044 | ||
| CAT | |c 20241121 |l MUB01 |h 0454 | ||
| LOW | |a POSLANO DO SKCR |b 2024-07-15 | ||
| 994 | - | 1 | |l MUB01 |l MUB01 |m VYSPR |1 FI |a Fakulta informatiky |2 SKLAD |b sklad |3 Doktorská práce 2023 |5 42005D2772 |8 20240408 |f 72 |f Týdenní |r 20240408 |
| AVA | |a INF50 |b FI |c sklad |d Doktorská práce 2023 |e available |t K dispozici |f 1 |g 0 |h N |i 0 |j SKLAD | ||