20.500.12556/RUL-119655 Avtomatska segmentacija Golgijevih aparatov v volumetričnih podatkih elektronske mikroskopije Automatic segmentation of the Golgi apparatus in electron microscopy volumetric data Golgijev aparat (GA) je organel, ki ga najdemo v evkariontskih celicah. Zaradi njegove strukture in do nedavnega pomanjkanja ustreznih pristopov je še vedno precej slabo raziskan. Pri nadaljnjem raziskovanju bi med drugim pomagala tudi informacija o njegovi 3D organizaciji in razporeditvi v celici. Ker je ročno segmentiranje velikega števila GA-jev časovno zelo zahtevno in je njegova kvaliteta odvisna od sposobnosti označevalca, je v diplomski nalogi predstavljen pristop k avtomatski segmentaciji GA-jev v volumetričnih podatkih elektronske mikroskopije. Predlagan je cevovod, ki sestoji iz nevronske mreže, naučene na grobih segmentacijah, aktivnih kontur za natančnejšo segmentacijo in odstranjevanja napačnih označb. Kolikor nam je znano, je to prvi pristop za avtomatsko segmentacijo kompleksnih GA-jev v volumetričnih podatkih. Uporaba grobo označenega zlatega standarda je prihranila 80% časa, potrebnega za ročno označevanje vhodnih podatkov. Metoda je bila ovrednotena na volumetrični učni množici, kjer je pokazala obetavne rezultate - pravilno je bila označena večina GA-jev in sicer z 89% občutljivostjo in 99% specifičnostjo. The Golgi apparatus (GA) is an organelle found in eukaryotic cells. Due to its complex organization and until recently lack of appropriate approaches GA is still rather poorly researched. Knowledge of its 3D organization and distribution inside complex cells would aid to further understand the role of GA. However, manual segmentation of large volumes is very time consuming and its quality depends on the ability of the human annotator. In the thesis, an approach for automatic segmentation of GAs in electron microscopy volumetric data is proposed. The proposed pipeline consists of a neural network trained on roughly annotated data, active contours for a more precise segmentation, and filtering of false segmentations. To our knowledge, this is the first approach that segments complex GAs in volumetric data automatically. The use of roughly annotated ground truth saved 80% of the time needed for manual annotation of the input data. The method was evaluated on a volumetric dataset and it showed promising results - it was able to annotate a wast majority of GAs with 89% sensitivity and 99% specificity. Golgijev aparat avtomatska segmentacija konvolucijske nevronske mreže aktivne konture Golgi apparatus automatic segmentation convolutional neural networks active contours true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2020-09-10 09:55:01 2020-09-10 09:55:06 2024-02-02 09:49:07 0000-00-00 00:00:00 2020 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 25782 29618179 Bones_Eva_-_Avtomatska_segmentacija_Golgijevih_aparatov_v_volumetricnih_podatkih_elektronske_mik.pdf Bones_Eva_-_Avtomatska_segmentacija_Golgijevih_aparatov_v_volumetricnih_podatkih_elektronske_mik.pdf 1 5E39AE6CA6E9DF0F5D438D64B441A484 99ca4f80443a71d81444a71bb7285730208f6ec8d9ef92d8b39c4fe48d2ef039 e2cf1666-a1b9-11eb-a523-00155dcfd717 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=134380 Fakulteta za računalništvo in informatiko 0 0 0