Diplomová práce

Cell Tracking Using Mask R-CNN and Graph Neural Networks

Bc. Hynek Pavlacký
Anotace

Cílem této diplomové práce bylo implementovat a vyhodnotit metodu založenou na strojovém učení pro segmentaci a sledování buněk v časosběrných sekvencích, které jsou součástí soutěže Cell Tracking Challenge. Navržená metoda používá architekturu Mask R-CNN pro detekci a segmentaci instancí buněk. Trajektorie buněk jsou následně sestrojeny s pomocí grafové neuronové sítě, která predikuje pravděpodobnost …více

Abstract

The main goal of this thesis was to implement and evaluate a deep-learning-based pipeline for segmenting and tracking cells in time-lapse sequences available as part of the Cell Tracking Challenge. The proposed method used the Mask R-CNN architecture for the detection and segmentation of cell instances. Cell tracks were constructed with the help of a graph neural network designed to predict possible …více

Klíčová slova
cell tracking instance segmentation deep learning graph neural networks Mask R-CNN Cell Tracking Challenge sledování buněk segmentace instancí hluboké učení grafové neuronové sítě
Zadání práce
The primary objective of this thesis is to investigate the possibilities of Mask R-CNN and graph neural networks for detecting, segmenting, and linking cells and to develop a reliable pipeline for tracking cells in time-lapse bioimage data of different modalities available in the Cell Tracking Challenge dataset repository. The textual part of the thesis must include a concise and comprehensive description of the developed pipeline and its quantitative evaluation focused on detection, segmentation, and tracking accuracy as well as on execution time and memory consumption. The implementation of the developed pipeline will be delivered in an easy-to-use form and complemented with a practical guide that documents the exemplary usage of the developed pipeline.
Administrativní informace
Práce zkontrolována:
19. 5. 2026 19:44, doc. RNDr. Martin Maška, Ph.D., učo 60734
Plný text práce
3,2 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
19. 6. 2026
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. Martin Maška, Ph.D., učo 60734
KVI FI MU

Oponent

prof. RNDr. Michal Kozubek, Ph.D., učo 3740
KVI FI MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Plán
Strojové učení a umělá inteligence

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.