arvutiteaduse instituudi lõputööderegister


Nõrgalt juhendatud süvaõppe mudelite tõhusus helevälja mikroskoopiapiltidelt anomaaliate segmenteerimisel
Nimi Kaspar Hollo
Kokkuvõte Helevälja mikroskoopia on oluline, sest see pakub teadlastele suhteliselt lihtsa viisi rakukatsete kvantifitseerimiseks. Helevälja mikroskoopiapiltidel leidub aga sageli erinevaid anomaaliaid, mis tuleb esmalt segmenteerida ja seejärel neutraliseerida, et need ei mõjutaks rakukatsete kvantitatiivseid mõõtmisi. Kuigi tugevalt juhendatud süvaõppemudelid pakuvad paljudes tehisnägemisega seotud segmenteerimisülesannetes tipptasemel tulemusi, nõuab selliste mudelite treenimiseks vajalike pikslitäpsusega märgenduste hankimine keerulist ja ajamahukat tööd. Segmenteerimisülesandeid on võimalik aga lahendada ka aja- ja kulutõhusamate nõrgalt juhendatud süvaõppemudelitega, mida treenitakse pilditäpsusega märgenduste abil. Selles lõputöös võrreldakse tugevalt juhendatud meetodite (nt U-Net) ja nõrgalt juhendatud meetodite (nt Score-CAM) segmenteerimistulemusi, et teha kindlaks, kas nõrgalt juhendatud meetodeid võiks kasutada odavama, kuid siiski hästi toimiva lahendusena anomaaliate segmenteerimiseks helevälja mikroskoopiapiltidel. Lõputöö raames viiakse läbi kuus eraldi katset täielikult ja nõrgalt juhendatud meetodite, pildiandmekogumite ja erinevate meetodite kombinatsioonidega. Katsete tulemused näitasid, et praegu saadaolevate piltide ja märgendite arvuga ei suutnud ükski nõrgalt juhendatud meetod korrata tugevalt juhendatud meetodite segmenteerimistulemusi. Sellegi poolest näitasid mõned nõrgalt juhendatud meetodid, nagu näiteks Score-CAM’i ja U-Net’i kombineeritud meetod, paljutõotavaid segmenteerimistulemusi. Nimetatud meetod suutis ka seninägemata pildiandmekogu puhul üldistada paremini kui standardiks määratud tugevalt juhendatud meetod. Selleks, et määrata nõrgalt juhendatud meetodite puhul neile vajaliku andmekogu suurust, mis võimaldaks korrata juhendatud meetodite segmenteerimistulemusi, tuleb teha nõrgalt juhendatud meetoditega lisakatseid.
Lõputöö keel inglise
Lõputöö tüüp Magister - Tarkvaratehnika
Juhendaja(d) Mohammed Ali, Dmytro Fishman
Kaitsmise aasta 2021
PDF