Celem pracy jest stworzenie bazy danych obrazów histopatologicznych wraz z adnotacjami i oznaczeniami histopatologa wyszukanymi w Internecie oraz stworzenie oprogramowania do zbadania wpływu parametrów obrazu (rozdzielczość przestrzenna, głębia koloru, poziom szumów, itp.) na jakość uczenia sztucznych sieci neuronowych przy detekcji limfocytów.

1. Zapoznanie się z podstawami otrzymywania obrazów histopatologicznych i ich interpretacji oraz metodami sztucznych sieci neuronowych w problemach detekcji.

2. Stworzenie bazy danych obrazów histopatologicznych limfocytów i ich oznaczeń w różnych formatach zapisu obrazu.

3. Implementacja bądź adaptacja dostępnej implementacji sieci neuronowej do stworzonej bazy

obrazów limfocytów.

4. Wyznaczenie wpływu parametrów obrazów na jakość treningu sieci neuronowej i detekcję limfocytów za pomocą odpowiednich miar.

5. Analiza i dyskusja uzyskanych wyników.

1. Komputerowa analiza obrazu biomedycznego – Wstęp do morfometrii I patologii ilościowej,

K. W. Zieliński, M. Strzelecki, PWN 2013

2. Enhanced Methods for Lymphocyte Detection and Segmentation on H&E Stained Images using eXclusive Autoencoders, Chao-Hui Huang, Daniel Racoceanu, 2021, EMBC’20 - 42nd Engineering in Medicine and Biology Conference

3. Automatic Lymphocyte Detection in H&E Images with Deep Neural Networks, Jianxu Chen, Chukka Srinivas, 2016, Computer Vision and Pattern Recognition