Vaš brskalnik ne omogoča JavaScript!
JavaScript je nujen za pravilno delovanje teh spletnih strani. Omogočite JavaScript ali pa uporabite sodobnejši brskalnik.
Repozitorij Univerze v Ljubljani
Nacionalni portal odprte znanosti
Odprta znanost
DiKUL
slv
|
eng
Iskanje
Brskanje
Novo v RUL
Kaj je RUL
V številkah
Pomoč
Prijava
Podrobno
Avtomatska segmentacija anizotropnih podatkov pridobljenih z elektronskim mikroskopom
ID
MRVAR, GAL
(
Avtor
),
ID
Marolt, Matija
(
Mentor
)
Več o mentorju...
PDF - Predstavitvena datoteka,
prenos
(3,84 MB)
MD5: 4BF6D05EC8F239AACC07F19C8BD92100
Galerija slik
Izvleček
Mitohondrij je pomemben organel evkariontskih celic. Njegova znotrajcelična segmentacija predstavlja izziv, saj se mitohondriji kvalitativno in kvantitativno razlikujejo glede na celico, v kateri se nahajajo. Klasično se mitohondrije segmentira ročno, kar je časovno neučinkovito in izpostavljeno človeški napaki ter interpretaciji. V sklopu tega diplomskega dela zato predstavljamo postopek, ki omogoča avtomatsko segmentacijo mitohondrijev nad anizotropnimi volumetričnimi podatki pridobljenimi z elektronskim mikroskopom (EM). Predlagamo postopek oz. cevovod, ki zajema operacije nad volumetričnimi podatki oz. obdelavo le teh in avtomatsko segmentacijo z uporabo konvolucijske nevronske mreže. Rezultate avtomatske segmentacije smo evalvirali nad testnima množicama, s čimer smo pridobili zelo dobre rezultate – klasifikacijska točnost je predstavljala 99 % nad obema testnima množicama.
Jezik:
Slovenski jezik
Ključne besede:
konvolucijske nevronske mreže
,
avtomatska segmentacija
,
mitohondriji
Vrsta gradiva:
Diplomsko delo/naloga
Tipologija:
2.11 - Diplomsko delo
Organizacija:
FRI - Fakulteta za računalništvo in informatiko
Leto izida:
2021
PID:
20.500.12556/RUL-124807
COBISS.SI-ID:
52402179
Datum objave v RUL:
19.02.2021
Število ogledov:
1763
Število prenosov:
163
Metapodatki:
Citiraj gradivo
Navadno besedilo
BibTeX
EndNote XML
EndNote/Refer
RIS
ABNT
ACM Ref
AMA
APA
Chicago 17th Author-Date
Harvard
IEEE
ISO 690
MLA
Vancouver
:
MRVAR, GAL, 2021,
Avtomatska segmentacija anizotropnih podatkov pridobljenih z elektronskim mikroskopom
[na spletu]. Diplomsko delo. [Dostopano 30 marec 2025]. Pridobljeno s: https://repozitorij.uni-lj.si/IzpisGradiva.php?lang=slv&id=124807
Kopiraj citat
Objavi na:
Sekundarni jezik
Jezik:
Angleški jezik
Naslov:
Automatic segmentation of anisotropic electron microscope data
Izvleček:
Mitochondria is an important organelle of eukaryotic cells. Its intracellular segmentation presents a challenge as mitochondria differs qualitatively and quantitatively according to the cell in which they are located. The classic approach of mitochondria segmentation is manual, which is time consuming and prone to human error and interpretation. As a part of this diploma thesis, we are presenting a procedure that enables automatic segmentation of mitochondria over anisotropic volumetric data obtained with an electronic microscope (EM). We propose a procedure or a pipeline, which includes operations on volumetric data, and automatic segmentation using a convolutional neural network. We have evaluated the results of automatic segmentation using two different test sets. The evaluation showed very promising results – the classification accuracy was 99 % on both test sets.
Ključne besede:
Convolutional neural networks
,
automatic segmentation
,
mitochondria
Podobna dela
Podobna dela v RUL:
Model cell lines and tissues of different HGSOC subtypes differ in local estrogen biosynthesis
AKR1B1 as a prognostic biomarker of high-grade serous ovarian cancer
Targeting estrogen metabolism in high-grade serous ovarian cancer shows promise to overcome platinum resistance
Metabolism of estrogens
13α-estrone and tetrahydronaphthalen-1-one derivatives as AKR1C1–C3 inhibitors and their effect on high-grade serous ovarian cancer cell lines
Podobna dela v drugih slovenskih zbirkah:
Epithelial ovarian cancer, fallopian tube cancer, primary peritoneal serous cancer (PPSC) : systemic treatment recommendations
BRCA1/2 mutation testing from cytological samples in patients with ovarian, tubal and primary peritoneal serous cancer
Patohistološka klasifikacija tumorjev jajčnikov
The prognostic significance of tumor-immune microenvironment in ascites of patients with high-grade serous carcinoma
Summary Guidelines for Treating Ovarian Cancer and Primary Peritoneal Serous Carcinoma
Nazaj