Spoľahlivá automatická analýza obrazu je kľúčovou zložkou
biomedicínskeho výskumu. Analýza obrazov organoidov pomáha
pochopiť biochemické procesy v ľudskom tele a skúmať vplyv
jednotlivých chemických látok na ľudské tkanivá. Za týmto
účelom musia byť algoritmy pracujúce nad vstupnými obrazovými
dátami spoľahlivé a robustné voči rôznorodosti biomedicínskych
vzoriek a vstupných obrazových dát.

Táto práca prezentuje skupinu algoritmov založených na hlbokom
učení, ktoré boli vyvinuté špeciálne pre segmentáciu a
sledovanie organoidov v 2D+t obrazových dátach vytvorených
prostredníctvom mikroskopie vo svetelnom poli (brightfield
microscopy). Kvantitatívne vyhodnotenie týchto algoritmov na
dvoch sadách reálnych obrazových dát ukazuje, že najlepšie
spomedzi týchto algoritmov sú robustné pre rozličné fenotypy
organoidov z prsného epitelového tkaniva a môžu tak byť
výskumníkmi využité pre automatizáciu procesu analýzy
obrazových dát.