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
Language: Russian
Speciality code (FGOS): 09.04.04
Speciality group (FGOS): 090000 - Информатика и вычислительная техника
Links: http://doi.org/10.18720/SPBPU/2/v18-5985; http://elib.spbstu.ru/dl/2/rev/v18-5985-o.pdf; http://elib.spbstu.ru/dl/2/rev/v18-5985-r.pdf
Rights: Свободный доступ из сети Интернет (чтение, печать, копирование)

Allowed Actions: Read Download (2.9 Mb) You need Flash Player to read document

Group: Anonymous

Network: Internet

Annotation

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.

Document access rights

Network User group Action
FL SPbPU Local Network All Read Print Download
-> Internet All Read Print Download

Table of Contents

  • 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

Document usage statistics

stat Document access count: 137
Last 30 days: 5
Detailed usage statistics