Kvantitativní digitální holografická mikroskopie pomocí strojového učení
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
D
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Diplomová práce představuje metody strojového učení pro určení parametrů mikro a nano částic ze snímků digitální holografické mikroskopie. V teoretické části jsou přiblíženy principy snímaní hologramu, holografické mikroskopie a podobnost mezi Mie teorií a hologramem. Druhá část teoretické rešerše je věnována metodám strojového učení využitých při určování kvantitativních informací částic. Praktická část se věnuje návrhu postupu pro určení pozice, indexu lomu a poloměru pomocí architektury U-Net implementované v prostředí PyTorch a DeepTrack 2.1. V závěru práce jsou diskutovány výsledky navržených metodik.
This thesis presents machine learning methods for determining the parameters of micro and nano particles from digital holographic microscopy images. In the theoretical part the principles of hologram imaging, holographic microscopy and the similarity between Mie theory and hologram are presented. The second part of the theoretical review is devoted to machine learning methods used in determining the quantitative information of particles. The practical part is focused on the design of a procedure for determining the position, refractive index and radius using the U-Net architecture implemented in PyTorch and DeepTrack 2.1. The results of the proposed methodologies are discussed at the end of the paper.
This thesis presents machine learning methods for determining the parameters of micro and nano particles from digital holographic microscopy images. In the theoretical part the principles of hologram imaging, holographic microscopy and the similarity between Mie theory and hologram are presented. The second part of the theoretical review is devoted to machine learning methods used in determining the quantitative information of particles. The practical part is focused on the design of a procedure for determining the position, refractive index and radius using the U-Net architecture implemented in PyTorch and DeepTrack 2.1. The results of the proposed methodologies are discussed at the end of the paper.
Description
Citation
DUŠA, M. Kvantitativní digitální holografická mikroskopie pomocí strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
doc. Ing. Martin Černý, Ph.D. (předseda)
doc. Ing. Radim Kolář, Ph.D. (místopředseda)
Ing. Oto Janoušek, Ph.D. (člen)
Ing. Lukáš Smital, Ph.D. (člen)
Ing. Tomáš Vičar (člen)
Ing. Radovan Jiřík, Ph.D. (člen)
Date of acceptance
2022-06-08
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Doc. Kolář položil otázku, jaký je rozdíl mezi použitým Deep Trackem a PyTorchem? Ing. Jiřík položil otázku, jaký je rozdíl mezi použitými operacemi pro zpracování obrazů? Jak je výsledek závislý na akvizici? Je třeba naučit modely znovu při změně akvizice? Ing. Janoušek položil otázku, zdali by bylo možné použít diference snímků? Student obhájil diplomovou práci s výhradami.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení