Detekce a lokalizace mikrobiálních kolonií pomocí algoritmů hlubokého učení
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
C
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Díky masivnímu rozšíření hmotnostní spektrometrie a neustálému zdražování lidské práce se v současné době nabízí otázka optimalizace přípravy mikrobiálních vzorků. Tato diplomová práce se věnuje návrhu a implementaci algoritmu strojového učení pro segmentaci obrazů mikrobiálních kolonií kultivovaných na Petriho miskách. Algoritmus bude použit v ovládacím software přístroje MBT Pathfinder společnosti Bruker s. r. o., jehož úkolem je automatizace procesu roztěru mikrobiálních vzorků na MALDI destičky. V rámci práce bylo implementováno několik modelů segmentačních neuronových sítí na bázi architektur UNet, UNet++ a ENet. Na základě množství experimentů zkoumajících různé konfigurace sítí a předzpracování trénovacího datasetu byl pro použití v produkčním prostředí vybrán model ENet s čtyřnásobným množstvím filtrů a přidaným konvolučním blokem enkodéru trénovaný na datasetu obrazů misek s aplikovanou kruhovou maskou.
Due to massive expansion of the mass spectrometry and constant price growth of the human labour the optimalisation of the microbial samples preparation comes into question. This master thesis deals with design and implementation of a machine learning algorithm for segmentation of images of microbial colonies cultivated on Petri dishes. This algorithm is going to be a part of a controlling software of a MBT Pathfinder device developed by the company Bruker s. r. o. that automates the process of smearing microbial colonies onto a MALDI target plates. In terms of this thesis a several models of neural networks based on the UNet, UNet++ and ENet architecture were implemented. Based on a number of experiments investigating various configurations of the networks and pre-processing of the training datatset there was chosen an ENet model with quadruplet filter count and additional convolutional block of the encoder trained on a dataset pre-processed with round mask.
Due to massive expansion of the mass spectrometry and constant price growth of the human labour the optimalisation of the microbial samples preparation comes into question. This master thesis deals with design and implementation of a machine learning algorithm for segmentation of images of microbial colonies cultivated on Petri dishes. This algorithm is going to be a part of a controlling software of a MBT Pathfinder device developed by the company Bruker s. r. o. that automates the process of smearing microbial colonies onto a MALDI target plates. In terms of this thesis a several models of neural networks based on the UNet, UNet++ and ENet architecture were implemented. Based on a number of experiments investigating various configurations of the networks and pre-processing of the training datatset there was chosen an ENet model with quadruplet filter count and additional convolutional block of the encoder trained on a dataset pre-processed with round mask.
Description
Citation
ČIČATKA, M. Detekce a lokalizace mikrobiálních kolonií pomocí algoritmů hlubokého učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
doc. Ing. Daniel Schwarz, Ph.D. (předseda)
Ing. Vratislav Harabiš, Ph.D. (místopředseda)
Ing. Helena Škutková, Ph.D. (člen)
Ing. Lukáš Smital, Ph.D. (člen)
Ing. Martin Lamoš, Ph.D. (člen)
Date of acceptance
2021-06-09
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky. Doc. Schwarz položil otázku, je předdefinovaný počet epoch? Odkud pocházela ground truth? Na základě jakých kritérií, vzhledem k aplikačním požadavkům, byla vybrána síť? Ing. Smital položil otázku, je použita vždy kruhová maska? Budete na práci dále pokračovat? Probíhá nanášení vzorků ručně? Student obhájil diplomovou práci s výhradami 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