Detekce buněk ve snímcích zachycených pomocí mikroskopie

Abstract

Cílem diplomové práce bylo vytvořit aplikaci automaticky detekující zdravé buňky kardiomyocytů ze snímků zachycených konfokálním mikroskopem. Práce vznikla na základě konkrétních potřeb výzkumníků ze Slovenské akademie věd, kterým usnadní práci a ušetří čas, protože doposud musejí snímky vyhodnocovat a hledat vhodné buňky ručně. Pro detekci je použita konvoluční neuronová síť RetinaNet, která byla implementována do uživatelsky přívětivé desktopové aplikace. Aplikace také automaticky zaznamenává a ukládá souřadnice detekovaných buněk využitelné pro snímání buněk ve vyšší obrazové kvalitě. Další výhodou vytvořené aplikace je univerzálnost, která umožňuje natrénovat detekci i na jiných datech, čímž je použitelná i na dalších detekčních projektech. Výsledkem práce je funkční, samostatně spustitelná a intuitivní aplikace, která je připravena k použití výzkumníky.

The goal of the thesis was to create an application that automatically detects healthy cardiomyocytes from images captured by a confocal microscope. The thesis was created based on the specific needs of researchers from the Slovak Academy of Sciences.The application will facilitate and increase the efficiency of their research,because until now they have to evaluate the images and search for suitable cells manually. The RetinaNet convolutional neural network is used for detection and has been implemented in a user-friendly desktop application. The application also automatically records and stores coordinates of detected cells which can be used for capturing cells in higher image quality. Another advantage of the developed application is its versatility, which allows to train detection on other data, making it applicable to other projects. The result of this work is a functional, standalone and intuitive application that is ready to be used by researchers.