Mikroskoobipiltide semantilise segmentatsiooni parendamine pöörde-ekvivariantsete konvolutsionaalsete närvivõrkude abil
Nimi
Marten Türk
Kokkuvõte
Rakutuuma segmenteerimine on üks esimesi samme mikroskoobi piltide uurimise tööprotsessis. Peamisteks uuringute läbiviijateks on eelkõige ravimifirmad ning meditsiinilaborid, mille üheks ülesandeks on analüüsida suurtes kogustes rakupilte ning neid kvantifitseerida. Uuringute eesmärkideks võib olla uute ravimite välja töötamine või haiguste diagnoosimine. Tänu süvaõppele on suudetud antud protsessid automatiseerida ja nende tulemuste täpsus on viidud võrdlemisi kõrgele tasemele. Vaatamata headele tulemustele pakutakse jätkuvalt välja meetodeid, kuidas masinõppe algoritme veel täpsemaks muuta. Üheks selliseks meetodiks on rühma teoorial põhinevad pöörde-ekvivariantsed (ingl. rotation equivariant) konvolutsionaalsed närvivõrgud, mis suudavad objekti pöördenurgast olenemata väljastada võrdväärseid ennustusi.
Bakalaureusetöö eesmärgiks on näidata, et pöörde-ekvivariantsed konvolutsionaalsed närvivõrgud parandavad semantilise segmenteerimise tulemusi ning suurendavad masinõppe algoritmi üldistusvõimet fluorestsentspiltidel. Samuti annab töö ülevaate ebaõnnestunud eksperimentidest ereväljapiltidel ja hetkel leiduvatest pöörde-ekvivariantsetest mudelitest ning nende implementeerimise keerukusest.
Bakalaureusetöö eesmärgiks on näidata, et pöörde-ekvivariantsed konvolutsionaalsed närvivõrgud parandavad semantilise segmenteerimise tulemusi ning suurendavad masinõppe algoritmi üldistusvõimet fluorestsentspiltidel. Samuti annab töö ülevaate ebaõnnestunud eksperimentidest ereväljapiltidel ja hetkel leiduvatest pöörde-ekvivariantsetest mudelitest ning nende implementeerimise keerukusest.
Lõputöö keel
inglise
Lõputöö tüüp
Bakalaureus - Informaatika
Juhendaja(d)
Dmytro Fishman
Kaitsmise aasta
2022