Automated video processing for development and verification of computational models of biological cells
Autor práce: Ing. František KajánekŠkoliteľ: prof. Mgr. Ivan CIMRÁK, Dr.
Dátum obhajoby: 17.8.2020
Študijný program: aplikovaná informatika
Oponent 1: doc. Ing. Vanda BENEŠOVÁ, PhD.
Oponent 2: prof. Ing. Martin KLIMO, PhD.
Slovenský abstrakt:
KAJANEK, Frantisek: Počítačové spracovanie obrazu pre vývoj a verifikáciu
výpočtových modelov biologických buniek. [Dizertačná práca] Žilinská univerzita v
Žiline. Fakulta riadenia a informatiky. Katedra softverových technológií - Vedúci
dizertačnej práce: prof. Mgr. Ivan Cimrak, Dr., Žilina: FRI ŽU, 69 p
Táto dizertačná práca sa zaoberá automatizovaným zberom dát z videí za účelom
validácie simulácií mikrofluidických zariadení. Cieľom tejto práce je prejsť existujúce metódy na detekciu a trasovanie červených krviniek a navrhnúť nové
vylepšené metódy. Detekcia objektov je širokou témou o ktorú je veľký záujem.
Analýza najmodernejších prístupov a aplikácia na túto úlohu je dobrým spôsobom
na zlepšenie detekcie. Trasovanie na druhej strane umožňuje viac mozností na experimentáciu pomocou konvolučných neurónových sietí. Práca taktiež navrhuje
niekoľko spôsobov na vyhodnotenie simulácií pomocou získaných dát.
Kľúčové slová: Červené krvinky, Strojové ucenie, Detekcia, Trasovanie, Zber
dát, Neurónové siete
Anglický abstrakt:
KAJANEK, Frantisek: Automated video processing for development and verication of computational models of biological cells. [Dissertation thesis] University
of Zilina. Faculty of Management Science and Informatics. Department of Software
Technology. - Supervisor: prof. Mgr. Ivan Cimrak, Dr., Zilina: FRI ZU, 69 p
This dissertation thesis deals with the topic of automated image processing for the
purpose of automated data gathering for validation of simulations of microfuidic
devices. The goals of this thesis are to evaluate existing methods for detection and
tracking of red blood cells and propose improvements to both problems. Detection
of objects is a topic of great interest and analysing state-of-the-art approaches and
applying it to red blood cells shows promise for improving performance. Tracking
on the other hand provides wider possibilities for experimentation using convolutional
neural networks. The thesis also proposes several metrics for utilizing
gathered data for immediate validation of simulations.
Keywords: Red Blood Cell, Machine Learning, Detection, Tracking, Data gathering,
Neural Networks
Autoreferát dizertačnej práce
Text práce