Solujen segmentointi ja seuranta ehdotelmien generoinnin ja valinnan kautta

Mikroskopia on biologisen ja lääketieteellisen tutkimuksen perusmenetelmä solutason tapahtumien havaitsemiseen ja sairauksien diagnosointiin. Viimeaikaisten automatisoitujen mikroskopiatekniikoiden ja erityisesti elävien solujen kuvantamismenetelmien kehittymisen myötä kuvatiedon määrä on kasvanut nopeasti. Suurten kuva-aineistojen analyysi pelkästään ihmistyövoimaa käyttämällä ei ole enää mielekästä. Automaattiseen tulkitsemiseen luotettavasti kykenevien kuva-analyysimenetelmien puute on muodostunut merkittäväksi tutkimusta rajoittavaksi ongelmaksi.

Tässä väitöskirjassa on kehitetty uusia tietokonenäköön perustuvia menetelmiä solujen automaattiseen havaitsemiseen ja seurantaan mikroskopiakuvista ja -videoista. Nämä menetelmät helpottavat biologisten prosessien ymmärrystä, ja tarjoavat uusia keinoja sairauksien diagnosointiin. Ne mahdollistavat solujen toimintojen kvantitatiivisen analysoimisen ja ominaisuuksien tutkimisen biolääketieteellisissä sovelluksissa. Uusi tieto auttaa ymmärtämään kudosten normaalia kehittymistä ja selvittämään syitä solujen sairauksissa muuttuneeseen käyttäytymiseen esimerkiksi syövässä.

Väitöskirjassa esitetyt menetelmät hyödyntävät koneoppimisen uusimpia edistysaskeleita ja erityisesti syväoppimista yksittäisten solujen havaitsemiseen muiden solujen joukosta ja soluvälitilasta. Kehitetyt seurantamenetelmät analysoivat videon kauttaaltaan parhaan mahdollisen tuloksen saavuttamiseksi. Työssä keskitytään automaattisten ratkaisujen suorituskyvyn ja yleistettävyyden parantamiseen. Siten kehitetyt menetelmät edellyttävät vain vähäisen määrän ihmistyötä sovellettaessa uusille kuville ja videoille. Lisäksi niiden avulla saavutetaan aiempaa parempi tarkkuus useilla mikroskopiakuva-aineistoilla, jotka ovat tarkoitettu menetelmien vertailuun.