Search

Cílem diplomové práce bylo vytvořit aplikaci automaticky detekující zdravé buňky kardiomyocytů ze snímků zachycených konfokálním mikroskopem. Práce vznikla na základě konkrétních potřeb výzkumníků ze Slovenské akademie věd, kterým usnadní práci a ušetří čas, protože doposud musejí snímky vyhodnocovat a hledat vhodné buňky ručně. Pro detekci je použita konvoluční neuronová síť RetinaNet, která byla implementována do uživatelsky přívětivé desktopové aplikace. Aplikace také automaticky zaznamenává a ukládá souřadnice detekovaných buněk využitelné pro snímání buněk ve vyšší obrazové kvalitě. Další výhodou vytvořené aplikace je univerzálnost, která umožňuje natrénovat detekci i na jiných datech, čímž je použitelná i na dalších detekčních projektech. Výsledkem práce je funkční, samostatně spustitelná a intuitivní aplikace, která je připravena k použití výzkumníky., The goal of the thesis was to create an application that automatically detects healthy cardiomyocytes from images captured by a confocal microscope. The thesis was created based on the specific needs of researchers from the Slovak Academy of Sciences.The application will facilitate and increase the efficiency of their research,because until now they have to evaluate the images and search for suitable cells manually. The RetinaNet convolutional neural network is used for detection and has been implemented in a user-friendly desktop application. The application also automatically records and stores coordinates of detected cells which can be used for capturing cells in higher image quality. Another advantage of the developed application is its versatility, which allows to train detection on other data, making it applicable to other projects. The result of this work is a functional, standalone and intuitive application that is ready to be used by researchers.

Cílem diplomové práce bylo vytvořit aplikaci automaticky detekující zdravé buňky kardiomyocytů ze snímků zachycených konfokálním mikroskopem. Práce vznikla na základě konkrétních potřeb výzkumníků ze Slovenské akademie věd, kterým usnadní práci a ušetří čas, protože doposud musejí snímky vyhodnocovat a hledat vhodné buňky ručně. Pro detekci je použita konvoluční neuronová síť RetinaNet, která byla implementována do uživatelsky přívětivé desktopové aplikace. Aplikace také automaticky zaznamenává a ukládá souřadnice detekovaných buněk využitelné pro snímání buněk ve vyšší obrazové kvalitě. Další výhodou vytvořené aplikace je univerzálnost, která umožňuje natrénovat detekci i na jiných datech, čímž je použitelná i na dalších detekčních projektech. Výsledkem práce je funkční, samostatně spustitelná a intuitivní aplikace, která je připravena k použití výzkumníky., The goal of the thesis was to create an application that automatically detects healthy cardiomyocytes from images captured by a confocal microscope. The thesis was created based on the specific needs of researchers from the Slovak Academy of Sciences.The application will facilitate and increase the efficiency of their research,because until now they have to evaluate the images and search for suitable cells manually. The RetinaNet convolutional neural network is used for detection and has been implemented in a user-friendly desktop application. The application also automatically records and stores coordinates of detected cells which can be used for capturing cells in higher image quality. Another advantage of the developed application is its versatility, which allows to train detection on other data, making it applicable to other projects. The result of this work is a functional, standalone and intuitive application that is ready to be used by researchers.

Tato diplomová práce se zabývá rozborem moderních detekčních metod vizualizace, sledování a kvantifikace buněk v 3D prostoru. První část práce se zabývá optickými metodami detekce buněk. Je zde detailní rozbor problematiky fluorescenčního značení buněk a jejich detekce na konfokálním mikroskopu. Je zde popis vyvinutého algoritmu pro kvantifikaci celého buněčného objemu z mikroskopického obrazu. Díky tomu se porovnal signál fluorescence buněk v čase a podle jejich tvaru. Dále došlo k optimalizaci vizualizace vyvinutých tkáňových fantomů. Porovnaly se možnosti detekce buněk v těchto fantomech pomocí konfokální mikroskopie a OCT. Byl rovněž implementován algoritmus pro kvantifikaci buněk z OCT obrazů. Kromě konfokálního mikroskopu a OCT se buňky rovněž analyzovaly dalšími metodami. V poslední části je konkluze výsledků a srovnání jednotlivých použitých metod., This diploma thesis deals with analysing of modern methods for cell detection, visualization and quantification in 3D space. The first section deals with optical methods for cells detection. There is detailed discussion about cell labeling and detection on confocal microscopy. There is also description about developed algorithm for whole cell volume quantification from microscopy images. This could made a comparsion of fluorescence signal according to time of cell labeling and according to cell shapes. There was also optimalization of handmade tissue phantoms visualization. It could be compared a possibilities of cell detections in these phantoms by confocal microscopy and OCT. It was also implemented algorithm for quantification of cells from OCT images. Besides confocal microscopy and OCT cells are also analyzed by other methods. The last part is the Conclusion of results and comparison of used methods.

Tato diplomová práce se zabývá rozborem moderních detekčních metod vizualizace, sledování a kvantifikace buněk v 3D prostoru. První část práce se zabývá optickými metodami detekce buněk. Je zde detailní rozbor problematiky fluorescenčního značení buněk a jejich detekce na konfokálním mikroskopu. Je zde popis vyvinutého algoritmu pro kvantifikaci celého buněčného objemu z mikroskopického obrazu. Díky tomu se porovnal signál fluorescence buněk v čase a podle jejich tvaru. Dále došlo k optimalizaci vizualizace vyvinutých tkáňových fantomů. Porovnaly se možnosti detekce buněk v těchto fantomech pomocí konfokální mikroskopie a OCT. Byl rovněž implementován algoritmus pro kvantifikaci buněk z OCT obrazů. Kromě konfokálního mikroskopu a OCT se buňky rovněž analyzovaly dalšími metodami. V poslední části je konkluze výsledků a srovnání jednotlivých použitých metod., This diploma thesis deals with analysing of modern methods for cell detection, visualization and quantification in 3D space. The first section deals with optical methods for cells detection. There is detailed discussion about cell labeling and detection on confocal microscopy. There is also description about developed algorithm for whole cell volume quantification from microscopy images. This could made a comparsion of fluorescence signal according to time of cell labeling and according to cell shapes. There was also optimalization of handmade tissue phantoms visualization. It could be compared a possibilities of cell detections in these phantoms by confocal microscopy and OCT. It was also implemented algorithm for quantification of cells from OCT images. Besides confocal microscopy and OCT cells are also analyzed by other methods. The last part is the Conclusion of results and comparison of used methods.

Tato diplomová práce se zabývá rozborem moderních detekčních metod vizualizace, sledování a kvantifikace buněk v 3D prostoru. První část práce se zabývá optickými metodami detekce buněk. Je zde detailní rozbor problematiky fluorescenčního značení buněk a jejich detekce na konfokálním mikroskopu. Je zde popis vyvinutého algoritmu pro kvantifikaci celého buněčného objemu z mikroskopického obrazu. Díky tomu se porovnal signál fluorescence buněk v čase a podle jejich tvaru. Dále došlo k optimalizaci vizualizace vyvinutých tkáňových fantomů. Porovnaly se možnosti detekce buněk v těchto fantomech pomocí konfokální mikroskopie a OCT. Byl rovněž implementován algoritmus pro kvantifikaci buněk z OCT obrazů. Kromě konfokálního mikroskopu a OCT se buňky rovněž analyzovaly dalšími metodami. V poslední části je konkluze výsledků a srovnání jednotlivých použitých metod., This diploma thesis deals with analysing of modern methods for cell detection, visualization and quantification in 3D space. The first section deals with optical methods for cells detection. There is detailed discussion about cell labeling and detection on confocal microscopy. There is also description about developed algorithm for whole cell volume quantification from microscopy images. This could made a comparsion of fluorescence signal according to time of cell labeling and according to cell shapes. There was also optimalization of handmade tissue phantoms visualization. It could be compared a possibilities of cell detections in these phantoms by confocal microscopy and OCT. It was also implemented algorithm for quantification of cells from OCT images. Besides confocal microscopy and OCT cells are also analyzed by other methods. The last part is the Conclusion of results and comparison of used methods.

Tato diplomová práce se zabývá rozborem moderních detekčních metod vizualizace, sledování a kvantifikace buněk v 3D prostoru. První část práce se zabývá optickými metodami detekce buněk. Je zde detailní rozbor problematiky fluorescenčního značení buněk a jejich detekce na konfokálním mikroskopu. Je zde popis vyvinutého algoritmu pro kvantifikaci celého buněčného objemu z mikroskopického obrazu. Díky tomu se porovnal signál fluorescence buněk v čase a podle jejich tvaru. Dále došlo k optimalizaci vizualizace vyvinutých tkáňových fantomů. Porovnaly se možnosti detekce buněk v těchto fantomech pomocí konfokální mikroskopie a OCT. Byl rovněž implementován algoritmus pro kvantifikaci buněk z OCT obrazů. Kromě konfokálního mikroskopu a OCT se buňky rovněž analyzovaly dalšími metodami. V poslední části je konkluze výsledků a srovnání jednotlivých použitých metod., This diploma thesis deals with analysing of modern methods for cell detection, visualization and quantification in 3D space. The first section deals with optical methods for cells detection. There is detailed discussion about cell labeling and detection on confocal microscopy. There is also description about developed algorithm for whole cell volume quantification from microscopy images. This could made a comparsion of fluorescence signal according to time of cell labeling and according to cell shapes. There was also optimalization of handmade tissue phantoms visualization. It could be compared a possibilities of cell detections in these phantoms by confocal microscopy and OCT. It was also implemented algorithm for quantification of cells from OCT images. Besides confocal microscopy and OCT cells are also analyzed by other methods. The last part is the Conclusion of results and comparison of used methods.

Tato diplomová práce se zabývá rozborem moderních detekčních metod vizualizace, sledování a kvantifikace buněk v 3D prostoru. První část práce se zabývá optickými metodami detekce buněk. Je zde detailní rozbor problematiky fluorescenčního značení buněk a jejich detekce na konfokálním mikroskopu. Je zde popis vyvinutého algoritmu pro kvantifikaci celého buněčného objemu z mikroskopického obrazu. Díky tomu se porovnal signál fluorescence buněk v čase a podle jejich tvaru. Dále došlo k optimalizaci vizualizace vyvinutých tkáňových fantomů. Porovnaly se možnosti detekce buněk v těchto fantomech pomocí konfokální mikroskopie a OCT. Byl rovněž implementován algoritmus pro kvantifikaci buněk z OCT obrazů. Kromě konfokálního mikroskopu a OCT se buňky rovněž analyzovaly dalšími metodami. V poslední části je konkluze výsledků a srovnání jednotlivých použitých metod., This diploma thesis deals with analysing of modern methods for cell detection, visualization and quantification in 3D space. The first section deals with optical methods for cells detection. There is detailed discussion about cell labeling and detection on confocal microscopy. There is also description about developed algorithm for whole cell volume quantification from microscopy images. This could made a comparsion of fluorescence signal according to time of cell labeling and according to cell shapes. There was also optimalization of handmade tissue phantoms visualization. It could be compared a possibilities of cell detections in these phantoms by confocal microscopy and OCT. It was also implemented algorithm for quantification of cells from OCT images. Besides confocal microscopy and OCT cells are also analyzed by other methods. The last part is the Conclusion of results and comparison of used methods.

Cílem diplomové práce bylo vytvořit aplikaci automaticky detekující zdravé buňky kardiomyocytů ze snímků zachycených konfokálním mikroskopem. Práce vznikla na základě konkrétních potřeb výzkumníků ze Slovenské akademie věd, kterým usnadní práci a ušetří čas, protože doposud musejí snímky vyhodnocovat a hledat vhodné buňky ručně. Pro detekci je použita konvoluční neuronová síť RetinaNet, která byla implementována do uživatelsky přívětivé desktopové aplikace. Aplikace také automaticky zaznamenává a ukládá souřadnice detekovaných buněk využitelné pro snímání buněk ve vyšší obrazové kvalitě. Další výhodou vytvořené aplikace je univerzálnost, která umožňuje natrénovat detekci i na jiných datech, čímž je použitelná i na dalších detekčních projektech. Výsledkem práce je funkční, samostatně spustitelná a intuitivní aplikace, která je připravena k použití výzkumníky., The goal of the thesis was to create an application that automatically detects healthy cardiomyocytes from images captured by a confocal microscope. The thesis was created based on the specific needs of researchers from the Slovak Academy of Sciences.The application will facilitate and increase the efficiency of their research,because until now they have to evaluate the images and search for suitable cells manually. The RetinaNet convolutional neural network is used for detection and has been implemented in a user-friendly desktop application. The application also automatically records and stores coordinates of detected cells which can be used for capturing cells in higher image quality. Another advantage of the developed application is its versatility, which allows to train detection on other data, making it applicable to other projects. The result of this work is a functional, standalone and intuitive application that is ready to be used by researchers.