Seenerakkude segmenteerimine mitmetasandilistelt heleväljamikroskoopiapiltidelt
Nimi
Aleksandr Krylov
Kokkuvõte
Digitaalselt segmenteeritud rakupopulatsioonide analüüs mikroskoopiapiltidelt mängib olulist rolli rakkude kvantifitseerimisel ja fenotüüpimisel. Helevälja mikroskoopia on lihtne meetod rakkude kiireks kujutamiseks ja seda kasutatakse üha sagedamini rakkude segmenteerimiseks. Süvaõppe algoritmide kiire areng piltide segmenteerimise vallas on aidanud kaasa rakkude segmenteerimise kiirusele ja täpsusele. Segmenteerimist saab veel täpsemaks muuta kui ühe pildi asemel kasutada mitut pilti erinevatelt kujutatud fokaaltasanditelt.
Magistritöös uuritakse seenerakkude segmenteerimist helevälja mikroskoopia erinevatelt fokaaltasanditelt kogutud piltide abil. Seenerakud on oma kuju poolest piklikud ja harulised ning sellise morfoloogiaga rakke on segmenteerimisel harva käsitletud. Töö eksperimentaalses osas muudeti U-Neti algset implementatsiooni ja treeniti juhendatud õppega rakkude segmenteerimise mudel. Segmentatsiooni maskid eraldati fluoresentsmikroskoopia pildivirnadest. Lisaks uuriti kuidas mõjutab segmenteerimistäpsust mudelile sisendiks antud piltide arv (terve pildivirn, üks fokaaltasand, kaks fokaaltasandit). Eksperimentide tulemuste põhjal nenditi et mitmetasandile segmenteerimine ei ole seenerakkude puhul alati parem kui ühetasandiline segmenteerimine. Siiski leiti et kahe fokaaltasandi kasutamine annab samaväärse tulemuse kui kõigi tasandite kasutamine (~2% suhteline erinevus enamus mõõdikute järgi).
Magistritöös uuritakse seenerakkude segmenteerimist helevälja mikroskoopia erinevatelt fokaaltasanditelt kogutud piltide abil. Seenerakud on oma kuju poolest piklikud ja harulised ning sellise morfoloogiaga rakke on segmenteerimisel harva käsitletud. Töö eksperimentaalses osas muudeti U-Neti algset implementatsiooni ja treeniti juhendatud õppega rakkude segmenteerimise mudel. Segmentatsiooni maskid eraldati fluoresentsmikroskoopia pildivirnadest. Lisaks uuriti kuidas mõjutab segmenteerimistäpsust mudelile sisendiks antud piltide arv (terve pildivirn, üks fokaaltasand, kaks fokaaltasandit). Eksperimentide tulemuste põhjal nenditi et mitmetasandile segmenteerimine ei ole seenerakkude puhul alati parem kui ühetasandiline segmenteerimine. Siiski leiti et kahe fokaaltasandi kasutamine annab samaväärse tulemuse kui kõigi tasandite kasutamine (~2% suhteline erinevus enamus mõõdikute järgi).
Lõputöö keel
inglise
Lõputöö tüüp
Magister - Informaatika
Juhendaja(d)
Dmytro Fishman
Kaitsmise aasta
2023