Детальная информация

Название: 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)»
Авторы: Ши Юйфань
Научный руководитель: Кориков Константин Константинович
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт электроники и телекоммуникаций
Выходные сведения: Санкт-Петербург, 2022
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: Изображения; Обработка изображений; сегментация ячеек; в режиме реального времени; отслеживание ячеек; классический алгоритм сегментации ячеек; cell segmentation; real-time; cell tracking; classic cell segmentation algorithm
УДК: 621.397; 004.932
Тип документа: Выпускная квалификационная работа магистра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Магистратура
Код специальности ФГОС: 11.04.02
Группа специальностей ФГОС: 110000 - Электроника, радиотехника и системы связи
DOI: 10.18720/SPBPU/3/2022/vr/vr22-4102
Права доступа: Доступ по паролю из сети Интернет (чтение, печать)
Ключ записи: ru\spstu\vkr\18247

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

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 traditional U-net structure, combined with bounding box regression, to achieve realtime cell tracking. The experimental results show that, compared with the traditional cell segmentation algorithm, the algorithm proposed in this paper has higher accuracy and lower loss. The accuracy of the model proposed in this paper can reach 98.46%, and the loss can be as low as 2.8%.The results of this thesis can help to test smallscale cellular models. Provide a method basis for intel- ligent medical diagnosis system based on deep learning.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать
Интернет Авторизованные пользователи СПбПУ Прочитать Печать
-> Интернет Анонимные пользователи

Оглавление

  • 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

Статистика использования

stat Количество обращений: 1
За последние 30 дней: 0
Подробная статистика