Details

Title: Система слежения за биологическими клетками в реальном времени: выпускная квалификационная работа магистра: направление 11.04.02 «Инфокоммуникационные технологии и системы связи» ; образовательная программа 11.04.02_07 «Лазерные и оптоволоконные системы (международная образовательная программа) / Laser and Fiber Optic System (International Educational Program)»
Creators: Ши Юйфань
Scientific adviser: Кориков Константин Константинович
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт электроники и телекоммуникаций
Imprint: Санкт-Петербург, 2022
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: сегментация ячеек; u-net; в режиме реального времени; отслеживание ячеек; классический алгоритм сегментации ячеек; cell segmentation; real-time; cell tracking; classic cell segmentation algorithm
Document type: Master graduation qualification work
File type: PDF
Language: Russian
Level of education: Master
Speciality code (FGOS): 11.04.02
Speciality group (FGOS): 110000 - Электроника, радиотехника и системы связи
DOI: 10.18720/SPBPU/3/2022/vr/vr22-4102
Rights: Доступ по паролю из сети Интернет (чтение, печать)
Additionally: New arrival
Record key: ru\spstu\vkr\18247

Allowed Actions:

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

Group: Anonymous

Network: Internet

Annotation

Тема выпускной квалификационной работы: «Система отслеживания биологических клеток в режиме реального времени».В данной работе рассматривается предложенная улучшенная U-сеть и комбинируется регрессия ограничительной рамки для решения задачи отслеживания ячеек.Технология обработки медицинских изображений используется для анализа и обработки изображений, определения положения, сегментации и извлечения мягких тканей и больного тела и достижения относительно хороших результатов. Путем сегментации и отслеживания изображений медицинских клеток можно эффективно решить некоторые медицинские проблемы. Поэтому мы предлагаем улучшенную модель нейронной сети, основанную на традиционной структуре U-сети в сочетании с регрессией ограничивающей рамки, для достижения отслеживания ячеек в реальном времени. Экспериментальные результаты показывают, что по сравнению с традиционным алгоритмом сегментации ячеек алгоритм, предложенный в эта бумага имеет более высокую точность и меньшие потери. Точность модели, предложенной в этой статье, может достигать 98,46%, а потери могут составлять всего 2,8%. Результаты этой диссертации могут помочь протестировать мелкомасштабные клеточные модели. Обеспечить основу метода для интеллектуальной системы медицинской диагностики на основе по глубокому обучению.

The subject of the graduate qualification work is “real-time system for biological cell tracking”.The given work addresses the proposed an improved U-net and combinethe bounding box regression to achieve cell tracking task.Medical image processing technology is used to analyze and process images, realize the position detection, segmentation and extraction of soft tissue and diseased body, and achieve relatively good results.By segmenting and track- ing medical cell images, some medical problems can be effectively solved. Therefore, we propose an improved neural network model based on the tradi- tional U-net structure, combined with bounding box regression, to achieve real- time cell tracking.The experimental results show that, compared with the tradi- tional cell segmentation algorithm, the algorithm proposed in this paper has higher accuracy and lower loss. The accuracy of the model proposed in this pa- per can reach 98.46%, and the loss can be as low as 2.8%.The results of this the- sis can help to test small-scale cellular models.Provide a method basis for intel- ligent medical diagnosis system based on deep learning.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print
External organizations N2 All Read
External organizations N1 All
Internet Authorized users SPbPU Read Print
Internet Authorized users (not from SPbPU, N2) Read
Internet Authorized users (not from SPbPU, N1)
-> Internet Anonymous

Table of Contents

  • Contents
  • Introduction
    • Background and significance
    • The content and structure of thesis
  • 1 Literature review
  • 1.1. Chapter basic description
  • 1.2. Common cell segmentation methods
    • 1.2.1. Watershed algorithm
    • 1.2.2. Edge detection algorithm
    • 1.2.3. Otsu’s methods
    • 1.2.4. U-net
  • 1.3. Common cell tracking methods
    • 1.3.1. Cell tracking method based on segmentation
    • 1.3.2. Cell tracking method based on random filtering
    • 1.3.3. Cell tracking method based on model
  • 1.4. Conclusion
  • 2 Implementation of segmentation algorithm
  • 2.1. Chapter basic description
  • 2.2. Watershed algorithm
  • 2.3. Edge detection algorithm
  • 2.4. Otsu’s Methods
  • 2.5. U-net
  • 2.6. Comparison
  • 2.7. Conclusion
  • 3 Real-time system performance measurements
  • 3.1. Chapter basic description
  • 3.2. Improved U-net
  • 3.3. Bounding Box Regression
  • 3.4. Conclusion
  • 4 Summary and outlook
  • References
  • Appendix Code of this work

Usage statistics

stat Access count: 0
Last 30 days: 0
Detailed usage statistics