Závěrečná práce: Tomáš Homola: Automated Detection of Lymph Node Metastases using Weakly Supervised Deep Learning
Diplomová práce
Automated Detection of Lymph Node Metastases using Weakly Supervised Deep Learning
Anotace
Táto diplomová práca sa zaoberá automatickou detekciou metastáz v lymfatických uzlinách na celoplošných histopatologických snímkach pomocou metód hlbokého učenia. Histopatologické preparáty sú najskôr spracované pomocou automatického maskovania tkaniva, kontroly kvality a dlaždicovania vo viacerých rozlíšeniach, po čom zmrazené patologické modely (frozen pathology foundation models) extrahujú vektorové …více
Abstract
This thesis investigates automated detection of lymph node metastases in whole slide images using deep learning. The histopathological slides are first processed by automated tissue masking, quality control, and multi-resolution tiling, after which frozen pathology foundation models extract dense embeddings from individual tiles. Two downstream branches are evaluated. The first is a fully supervised …více
Zadání práce
Cílem práce je vytvořit systém založený na hlubokém učení pro automatizovanou detekci metastáz v mikroskopických snímcích tkání lymfatických uzlin. Jedná se o imunohistochemicky barvené snímky vzorků reálných pacientů Masarykova onkologického ústavu. Ke snímkům nejsou dostupné detailní anotace, proto se předpokládá využití dalších datových sad a transferového učení.
Součástí práce bude popis a implementace kompletního postupu od zpracování a kontroly kvality dat přes trénink modelů až po jejich vyhodnocení a porovnání, které proběhne ve spolupráci s patology z MOÚ. Systém bude vytvořen s využitím infrastruktury dlouhodobě vyvíjené skupinou RationAI. Vytvořený kód bude veřejně dostupný pod licencí MIT.
Nutnou součástí práce bude i detailní přehled související literatury, zejména se zaměřením na detekci mikrometastáz v mikroskopických snímcích lymfatických uzlin pomocí metod umělé inteligence.
8. 6. 2026 11:06, doc. RNDr. Tomáš Brázdil, Ph.D., MBA, učo 4074
Konzultant
Práce na příbuzné téma
Seznam prací, které mají shodná klíčová slova.
-
Using machine learning methods for predicting results of MammaPrint and Luminal-Type Tests
Ing. Oliver Rainoch -
xOpat on Jupyter: digital pathology viewer deployments
Bc. Vendula Peňázová -
Quality Control of Histopathology Whole Slide Images: Detection of Tissue Folding and Tearing
Bc. Erik Sedlák -
A Platform for Deployment of Machine Learning Models
Ing. Jiří Štípek -
Provenance model implementation for medical images processing by AI
Ing. Miroslav Bezák -
Stability of explainability techniques for deep neural networks in digital pathology
Bc. Adam Oprchal -
Automated tumor purity estimation on histopathological whole-slide images
Bc. Šimon Bořil, učo 519192 -
Empaia-compliant WSI Case Viewer for xOpat
Bc. Adam Bujdák




