Cell Nucleus Segmentation from Microscope Images by Using Deep Learning

Cilj ovog rada je pokazati da duboko učenje uspješno rješava problem lokalizacije staničnih jezgara iz relativno malog skupa za treniranje. U radu su predstavljene tri arhitekture različitih razina kompleksnosti te načini pripreme podataka za njihovo treniranje i završne obrade njihovih rezultata. Slike korištene za učenje i ispitivanje mreža su iz natjecanja Data Science Bowl 2018. Cilj natjecanja je olakšati istraživačima proces lokalizacije staničnih jezgara kako bi se ubrzao proces ispitivanja i smanjilo potrebno vrijeme da novi lijek izađe na tržište.The goal of this thesis is to show that deep learning methods are an efficient method of detecting cell nuclei from a relatively small dataset. This thesis presents three architectures of different complexity and different ways of preprocessing the dataset for their training as well as postprocessing their outputs to create the final result. Images used for training and testing are from the Data Science Bowl 2018 competition. Goal of the competition is to make the drug testing process more efficient by automating the cell nucleus detection which will, in result, shorten the time for each new drug to come to market