Prihlásenie

KAJANEK, Frantisek: Počítačové spracovanie obrazu pre vývoj a verifikáciu výpočtových modelov biologických buniek. [Dizertačná práca] Žilinská univerzita v Žiline. Fakulta riadenia a informatiky. Katedra softverových technológií - Vedúci dizertačnej práce: prof. Mgr. Ivan Cimrak, Dr., Žilina: FRI ŽU, 69 p Táto dizertačná práca sa zaoberá automatizovaným zberom dát z videí za účelom validácie simulácií mikrofluidických zariadení. Cieľom tejto práce je prejsť existujúce metódy na detekciu a trasovanie červených krviniek a navrhnúť nové vylepšené metódy. Detekcia objektov je širokou témou o ktorú je veľký záujem. Analýza najmodernejších prístupov a aplikácia na túto úlohu je dobrým spôsobom na zlepšenie detekcie. Trasovanie na druhej strane umožňuje viac mozností na experimentáciu pomocou konvolučných neurónových sietí. Práca taktiež navrhuje niekoľko spôsobov na vyhodnotenie simulácií pomocou získaných dát. Kľúčové slová: Červené krvinky, Strojové ucenie, Detekcia, Trasovanie, Zber dát, Neurónové siete

KAJANEK, Frantisek: Automated video processing for development and verication of computational models of biological cells. [Dissertation thesis] University of Zilina. Faculty of Management Science and Informatics. Department of Software Technology. - Supervisor: prof. Mgr. Ivan Cimrak, Dr., Zilina: FRI ZU, 69 p This dissertation thesis deals with the topic of automated image processing for the purpose of automated data gathering for validation of simulations of microfuidic devices. The goals of this thesis are to evaluate existing methods for detection and tracking of red blood cells and propose improvements to both problems. Detection of objects is a topic of great interest and analysing state-of-the-art approaches and applying it to red blood cells shows promise for improving performance. Tracking on the other hand provides wider possibilities for experimentation using convolutional neural networks. The thesis also proposes several metrics for utilizing gathered data for immediate validation of simulations. Keywords: Red Blood Cell, Machine Learning, Detection, Tracking, Data gathering, Neural Networks