Detekce a rozměření elektronového svazku v obrazech z TEM
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Diplomová práce se zabývá automatickou detekcí a rozměřením elektronového svazku ve snímcích z transmisního elektronového mikroskopu. V úvodní části práce je popsána konstrukce a nejdůležitější součástky elektronového mikroskopu. Dále jsou v teoretické části shrnuty módy osvětlení fluorescenčního stínítka, které vznikají při práci na mikroskopu. K automatické detekci elektronového svazku jsou použity metody strojového učení, konkrétně konvoluční neuronová síť U-Net. Následné rozměření elektronového svazku je provedeno na základě aproximace oblasti elektronového svazku elipsou, kde parametry elipsy udávají rozměry svazku. Jelikož při učení neuronových sítí je potřeba mít dostatečně rozsáhlou databázi snímků, jsou v práci popsány metody umělého rozšíření databáze. V práci je navržena vlastní augmentační metoda, která využívá geometrické transformace a aplikuje je na základě módu osvětlení fluorescenčního stínítka. V závěru práce jsou shrnuty a diskutovány dosažené výsledky. Úspěšnost algoritmu je zhodnocena na variabilní skupině snímků pokrývající jednotlivé módy osvětlení fluorescenčního stínítka. Celková úspěšnost dosahuje 0,815 hodnoty DICE koeficientu, který udává míru překryvu dvou oblastí. Práce je kompletně zpracována v programovém prostředí Python.
This diploma thesis deals with automatic detection and measurement of the electron beam in the images from a transmission electron microscope (TEM). The introduction provides a description of the construction and the main parts of the electron microscope. In the theoretical part, there are summarized modes of illumination from the fluorescent screen. Machine learning, specifically convolution neural network U-Net is used for automatic detection of the electron beam in the image. The measurement of the beam is based on ellipse approximation, which defines the size and dimension of the beam. Neural network learning requires an extensive database of images. For this purpose, the own augmentation approach is proposed, which applies a specific combination of geometric transformations for each mode of illumination. In the conclusion of this thesis, the results are evaluated and summarized. This proposed algorithm achieves 0.815 of the DICE coefficient, which describes an overlap between two sets. The thesis was designed in Python programming language.
This diploma thesis deals with automatic detection and measurement of the electron beam in the images from a transmission electron microscope (TEM). The introduction provides a description of the construction and the main parts of the electron microscope. In the theoretical part, there are summarized modes of illumination from the fluorescent screen. Machine learning, specifically convolution neural network U-Net is used for automatic detection of the electron beam in the image. The measurement of the beam is based on ellipse approximation, which defines the size and dimension of the beam. Neural network learning requires an extensive database of images. For this purpose, the own augmentation approach is proposed, which applies a specific combination of geometric transformations for each mode of illumination. In the conclusion of this thesis, the results are evaluated and summarized. This proposed algorithm achieves 0.815 of the DICE coefficient, which describes an overlap between two sets. The thesis was designed in Python programming language.
Description
Keywords
Citation
POLCER, S. Detekce a rozměření elektronového svazku v obrazech z TEM [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
prof. Ing. Ivo Provazník, Ph.D. (předseda)
Ing. Martin Vítek, Ph.D. (místopředseda)
Ing. Oto Janoušek, Ph.D. (člen)
Ing. Jiří Chmelík, Ph.D. (člen)
Mgr. Zdenka Fohlerová, Ph.D. (člen)
Date of acceptance
2020-06-16
Defence
Student prezentoval výsledky své práce a komise byla seznámena s posudky.
Ing. Vítek položil otázku: Proč je databáze snímků rozdělena na trénovací a testovací sadu zrovna v tomto poměru? Prof. Provazník položil otázku: Co znamená zkratka TEM? Co to je "vybavení snímku"? Co to je "fitování elipsy"? Ing. Janoušek položil otázku: Jak jste validoval úroveň šumu?
Student obhájil diplomovou práci 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