Applications of deep learning in single-cell analysis
A complete workflow of annotation, training and single-cell analysis using deep learning is proposed in this work. It is demonstrated how a sufficiently large annotation dataset of reliable quality may be created easily and quickly with the suggested deep learning-driven method, and how this data ma...
Elmentve itt :
| Szerző: | |
|---|---|
| További közreműködők: | |
| Dokumentumtípus: | Disszertáció |
| Megjelent: |
2021-07-13
|
| Kulcsszavak: | mélytanulás, egysejt elemzés, szegmentálás, mikroszkópia |
| Tárgyszavak: | |
| doi: | 10.14232/phd.10801 |
| mtmt: | 32854854 |
| Online Access: | http://doktori.ek.szte.hu/10801 |
| LEADER | 02786nta a2200289 i 4500 | ||
|---|---|---|---|
| 001 | dokt10801 | ||
| 005 | 20230113095028.0 | ||
| 008 | 210302s2021 hu om 0|| eng d | ||
| 024 | 7 | |a 10.14232/phd.10801 |2 doi | |
| 024 | 7 | |a 32854854 |2 mtmt | |
| 040 | |a SZTE Doktori Repozitórium |b hun | ||
| 041 | |a eng | ||
| 100 | 1 | |a Hollandi Réka | |
| 245 | 1 | 0 | |a Applications of deep learning in single-cell analysis |h [elektronikus dokumentum] / |c Hollandi Réka |
| 246 | 1 | 0 | |a Mélytanulás alkalmazások az egysejt elemzésben |h [elektronikus dokumentum] |
| 260 | |c 2021-07-13 | ||
| 502 | |a Disszertacio | ||
| 520 | 3 | |a A complete workflow of annotation, training and single-cell analysis using deep learning is proposed in this work. It is demonstrated how a sufficiently large annotation dataset of reliable quality may be created easily and quickly with the suggested deep learning-driven method, and how this data may be used to train segmentation networks capable of high accuracy. Such a segmentation method is also proposed, using deep learning techniques including the automatic generation of synthetic images closely resembling real microscopy images, resulting in robust and very precise single-cell segmentation. It can adapt to novel image domains without ground truth annotations. The presented methods are utilized in several research projects. | |
| 520 | 3 | |a Egy mélytanulás alapú, annotálásra, tanításra és egysejt elemzésre alkalmas teljes munkafolyamatot mutatunk be ebben a disszertációban. Leírjuk, hogyan lehet megfelelően nagy méretű és megbízható minőségű annotált adathalmazokat könnyedén és gyorsan készíteni a javasolt mélytanulás alapú módszerrel, és ez az adat hogyan használható magas pontosságú szegmentáló hálózatok tanítására. Egy ilyen szegmentáló módszert is javaslunk, amely mélytanulás technikákat alkalmaz, többek közt a valódi mikroszkópos képekhez erősen hasonlító szintetikus képek automatikus generálását, így robusztus és nagyon pontos egysejt szegmentálás érhető el. A módszer képes ún. ground truth annotálások nélkül új képi modalitásokhoz alkalmazkodni. A bemutatott módszereket számos kutatási projektben alkalmazzuk. | |
| 650 | 4 | |a elméleti orvostudományok | |
| 650 | 4 | |a Számítási biológia | |
| 650 | 4 | |a Bioinformatika | |
| 695 | |a mélytanulás, egysejt elemzés, szegmentálás, mikroszkópia | ||
| 700 | 1 | |a Horváth Péter |e ths | |
| 856 | 4 | 0 | |u https://doktori.bibl.u-szeged.hu/id/eprint/10801/18/HollandiReka_thesis.pdf |z Dokumentum-elérés |
| 856 | 4 | 0 | |u https://doktori.bibl.u-szeged.hu/id/eprint/10801/17/HollandiReka_booklet_EN.pdf |z Dokumentum-elérés |
| 856 | 4 | 0 | |u https://doktori.bibl.u-szeged.hu/id/eprint/10801/1/HollandiReka_booklet_HU.pdf |z Dokumentum-elérés |