Gatti, Stefano
(2020)
Object Detection for Cell Classification.
[Laurea magistrale], Università di Bologna, Corso di Studio in
Ingegneria informatica [LM-DM270], Documento ad accesso riservato.
Documenti full-text disponibili:
![[img]](http://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) |
Documento PDF (Thesis)
Full-text accessibile solo agli utenti istituzionali dell'Ateneo
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
Download (18MB)
| Contatta l'autore
|
Abstract
The human body is an incredibly complex system with deeply interconnected functions. To understand this behaviour requires the knowledge of the genes expressed by every cell in a region of the tissue. As a direct consequence of the complexity of biological tissues the analysis of such images is extremely complex.
The objective of this work is to use techniques of object detection and instance segmentation to help with the analysis of the image, by identifying both the location and shapes of the cells and their content.
In addition to the work’s original objective, a methodology is outlined for dividing the cells in the image, rather than just identifying their positions, based on the application of Voronoi diagrams.
Abstract
The human body is an incredibly complex system with deeply interconnected functions. To understand this behaviour requires the knowledge of the genes expressed by every cell in a region of the tissue. As a direct consequence of the complexity of biological tissues the analysis of such images is extremely complex.
The objective of this work is to use techniques of object detection and instance segmentation to help with the analysis of the image, by identifying both the location and shapes of the cells and their content.
In addition to the work’s original objective, a methodology is outlined for dividing the cells in the image, rather than just identifying their positions, based on the application of Voronoi diagrams.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Gatti, Stefano
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Machine Learning,Computer Vision,Mask R-CNN,Human Cell Atlas,Instance Segmentation,Biology
Data di discussione della Tesi
3 Dicembre 2020
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Gatti, Stefano
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Machine Learning,Computer Vision,Mask R-CNN,Human Cell Atlas,Instance Segmentation,Biology
Data di discussione della Tesi
3 Dicembre 2020
URI
Statistica sui download
Gestione del documento: