Univerzální nástroj pro regresi a segmentaci obrazů pomocí hlubokého učení
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F19%3APU133290" target="_blank" >RIV/00216305:26220/19:PU133290 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Univerzální nástroj pro regresi a segmentaci obrazů pomocí hlubokého učení
Popis výsledku v původním jazyce
Hluboké učení je dnes velmi účinnou a univerzální metodou pro zpracování obrazu. Tato práce zabývá popisem metody schopné naučit se vytvořit z jednoho obrazu obraz jiný, na základě trénovacích dat. Metoda využívá hlubokého učení, konkrétně konvoluční neuronovou síť typu U-Net, kterou lze využít pro segmentaci obrazu a také pro regresi obrazu nového, kde se liší pouze změnou výstupní vrstvy. Funkčnost a univerzálnost metody je potvrzena na několika ukázkových experimentech pro odstranění šumu, segmentaci a regresi fluorescenčního barvení buněk. Na základě metody byl vytvořen a zkompilován univerzální nástroj, ovládatelný i laikem, schopný natrénovat neuronovou síť pro daný problém a tu následně využít pro predikci nových dat.
Název v anglickém jazyce
Univerzální nástroj pro regresi a segmentaci obrazů pomocí hlubokého učení
Popis výsledku anglicky
Hluboké učení je dnes velmi účinnou a univerzální metodou pro zpracování obrazu. Tato práce zabývá popisem metody schopné naučit se vytvořit z jednoho obrazu obraz jiný, na základě trénovacích dat. Metoda využívá hlubokého učení, konkrétně konvoluční neuronovou síť typu U-Net, kterou lze využít pro segmentaci obrazu a také pro regresi obrazu nového, kde se liší pouze změnou výstupní vrstvy. Funkčnost a univerzálnost metody je potvrzena na několika ukázkových experimentech pro odstranění šumu, segmentaci a regresi fluorescenčního barvení buněk. Na základě metody byl vytvořen a zkompilován univerzální nástroj, ovládatelný i laikem, schopný natrénovat neuronovou síť pro daný problém a tu následně využít pro predikci nových dat.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20601 - Medical engineering
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Trendy v biomedicínskom inžinierstve 2019
ISBN
978-80-554-1587-1
ISSN
—
e-ISSN
—
Počet stran výsledku
4
Strana od-do
1-5
Název nakladatele
Žilinská univerzita
Místo vydání
Terchová, Slovensko
Místo konání akce
Terchová, Slovensko
Datum konání akce
11. 9. 2019
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—