Details

Title Разработка подхода к обнаружению и анализу окрашенных ядер на основе методов искусственного интеллекта: выпускная квалификационная работа магистра: 09.04.04 - Программная инженерия ; 09.04.04_01 - Технология разработки и сопровождения качественного программного продукта
Creators Ценевски Слободанка Люпчовна
Scientific adviser Дробинцев Павел Дмитриевич
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint Санкт-Петербург, 2018
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects Нейронные сети ; Искусственный интеллект ; Медицинские приборы, аппараты и инструменты ; Флуоресценция ; Микроскопия
UDC 004.89 ; 004.032.26 ; 004.9:681.723:535.371
Document type Master graduation qualification work
File type Other
Language Russian
Level of education Master
Speciality code (FGOS) 09.04.04
Speciality group (FGOS) 090000 - Информатика и вычислительная техника
Links Отзыв руководителя ; Рецензия
DOI 10.18720/SPBPU/2/v18-5985
Rights Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key RU\SPSTU\edoc\58478
Record create date 11/29/2018

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Action 'Download' will be available if you login or access site from another network

Group Anonymous
Network Internet

Данная диссертация посвящена разработке подхода к обнаружению и анализу окрашенных ядер на основе методов искусственного интеллекта, а также методов компьютерного зрения. На сегодняшней день современная медицина нуждается в инновационных решениях и автоматизации поскольку прогресс идёт вперёд и требования к скорости обработки данных растут. Именно поэтому было решено совместить область информатики и конкретную область медицины, а именно цитологию т.е. цитологический анализ. Задача ставилась со стороны реальных пользователей программы. Рассмотрены существующие программы обнаружения ядер, определены их достоинства и недостатки. Исследованы разные подходы к данной проблеме. Собрана база данных, материалами для работы алгоритма послужили микрофотографии клеточных культур снятые при помощи конфокального микроскопа. В итоге, разработан алгоритм, который обнаруживает и делает анализ окрашенных ядер. В работе представлена реализация предложенного алгоритма и даны рекомендации по возможному улучшению данного подхода.

Network User group Action
ILC SPbPU Local Network All
Read Print Download
Internet Authorized users SPbPU
Read Print Download
Internet Anonymous
  • Обозначения и сокращения
  • ВВЕДЕНИЕ
    • Постановка задачи морфологического анализа ядер
  • 1. ОБЗОР ПРЕДМЕТНОЙ ОБЛАСТИ
    • 1.1. Сбор материалов
      • 1.1.1. Обработка микрофотографий
    • 1.2. Обзор программных пакетов обработки изображений
  • 2. КОНЦЕПЦИЯ И АРХИТЕКТУРА
    • 2.1. Концепция компьютерного зрение
      • 2.1.1. Интерпретация компьютерного зрения
    • 2.2. Концепция машинного обучение
      • 2.2.1. Введение
      • 2.2.2. Нейросети с подкреплением
        • 2.2.2.1. Что такое глубокое обучение, а что машинное обучение
        • 2.2.2.2. Архитектуры глубокого обучение
        • 2.2.2.3. Элементы нейронной сети
      • 2.2.3. Описание предлагаемого подхода, архитектура, структура
        • 2.2.3.1. Сверточныe нейронныe сети
          • 2.2.3.1.1. Структура СНС
        • 2.2.3.2. Архитектуры СНС - LeNet
      • 2.2.4. Сравнение с MNIST
  • 3. РАЗРАБОТКА И РЕАЛИЗАЦИЯ ПОДХОДА К ОБНАРУЖЕНИЮ И АНАЛИЗУ ОКРАШЕННЫХ ЯДЕР
    • 3.1. Алгоритм с применением компьютерного зрения
      • 3.1.1. Введение
      • 3.1.2. Алгоритм и реализация
    • 3.2. Разработка и реализация алгоритма машинного обучение
      • 3.2.1. Обзор используемых технологий для нейронных сетей
      • 3.2.2. Обзор данных, используемых для обучения и тестирования работы
      • 3.2.3. Реализация LeNet
      • 3.2.4. Алгоритм с применением машинного обучение
        • 3.2.4.1. Имплементация «тренировки сети»
        • 3.2.4.2. Имплементация «тестирование сети»
  • 4. ТЕСТИРОВАНИЕ И АНАЛИЗ РЕЗУЛЬТАТОВ
    • 4.1. Тестирование
      • 4.1.1 Результаты полученные с применением opencv и почему нужна нейросеть
      • 4.1.2. Оценка точности предложенного решение для нейросети
    • 4.2. Анализ результатов работы разработанного алгоритма
      • 4.2.1. Использование разработанного программного продукта и возможные улучшения системы
  • ЗАКЛЮЧЕНИЕ
  • БИБЛИОГРАФИЧЕСКИЙ СПИСОК

Access count: 176 
Last 30 days: 0

Detailed usage statistics