Automatic classification of microglial cells' state using stacked denoising auto-encoders

Detalhes bibliográficos
Autor(a) principal: Fernandes, Sofia da Silva
Data de Publicação: 2015
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10773/16880
Resumo: Enquanto classe de c elulas constituinte do Sistema Nervoso Central, a microglia e respons avel pela sua manuten c~ao e defesa imunol ogica. Uma c elula desta classe pode ser encontrada em tr^es estados distintos (repouso, transi c~ao e ativo) sendo que o estado re ete o que est a a ocorrer no Sistema Nervoso Central; em particular, pode indiciar o in cio do desenvolvimento de uma doen ca neurodegenerativa. Nesta disserta c~ao, apresentamos o primeiro estudo para o reconhecimento autom atico do estado de c elulas microglia utilizando stacked denoising auto-encoders. Para obter o modelo de reconhecimento mais adequado, recorremos a diferentes estrat egias, nomeadamente, ao pr e-processamento de imagem, ao aumento arti cial do conjunto de dados (usando rota c~oes das imagens) e a resolu c~ao de sub problemas do problema original. Aplicamos tamb em transfer^encia de aprendizagem considerando cinco problemas fonte. Os resultados obtidos mostram que o estado de transi c~ao e o mais dif cil de reconhecer. Em termos de taxa de acertos, um desempenho de aproximadamente 64% e obtido.
id RCAP_64e7b3df8dbbf862f75bed535768763d
oai_identifier_str oai:ria.ua.pt:10773/16880
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Automatic classification of microglial cells' state using stacked denoising auto-encodersMatemática aplicadaSistema nervoso central - Interacção celularMicrogliaCélulas - ClassificaçãoRedes neuronaisSistemas de reconhecimento de padrão - Modelos matemáticosEnquanto classe de c elulas constituinte do Sistema Nervoso Central, a microglia e respons avel pela sua manuten c~ao e defesa imunol ogica. Uma c elula desta classe pode ser encontrada em tr^es estados distintos (repouso, transi c~ao e ativo) sendo que o estado re ete o que est a a ocorrer no Sistema Nervoso Central; em particular, pode indiciar o in cio do desenvolvimento de uma doen ca neurodegenerativa. Nesta disserta c~ao, apresentamos o primeiro estudo para o reconhecimento autom atico do estado de c elulas microglia utilizando stacked denoising auto-encoders. Para obter o modelo de reconhecimento mais adequado, recorremos a diferentes estrat egias, nomeadamente, ao pr e-processamento de imagem, ao aumento arti cial do conjunto de dados (usando rota c~oes das imagens) e a resolu c~ao de sub problemas do problema original. Aplicamos tamb em transfer^encia de aprendizagem considerando cinco problemas fonte. Os resultados obtidos mostram que o estado de transi c~ao e o mais dif cil de reconhecer. Em termos de taxa de acertos, um desempenho de aproximadamente 64% e obtido.As a class of cells composing the Central Nervous System, microglia is responsible for its maintenance and immunological defense. A cell of such class may be found in three distinct states (resting, transition and active) and the state re ects what is occurring on the Central Nervous System; particularly, it may indicate the beginning of the development of a neurodegenerative disease. In this dissertation, we present the rst study for the automatic recognition of microglial cells' state using stacked denoising auto-encoders. In order to obtain the most appropriate recognition model, we resort to di erent strategies, namely, to image pre-processing, to arti cial increase of the dataset (using image rotations) and to solving sub problems of the original problem. We also apply transfer learning considering ve source problems. The obtained results show that the transition state is the most hard to recognize. In terms of accuracy, a performance of approximately 64% is achieved.Universidade de Aveiro2017-02-24T14:34:02Z2015-01-01T00:00:00Z2015info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10773/16880TID:201594145engFernandes, Sofia da Silvainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-22T11:32:20Zoai:ria.ua.pt:10773/16880Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T02:52:10.410223Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Automatic classification of microglial cells' state using stacked denoising auto-encoders
title Automatic classification of microglial cells' state using stacked denoising auto-encoders
spellingShingle Automatic classification of microglial cells' state using stacked denoising auto-encoders
Fernandes, Sofia da Silva
Matemática aplicada
Sistema nervoso central - Interacção celular
Microglia
Células - Classificação
Redes neuronais
Sistemas de reconhecimento de padrão - Modelos matemáticos
title_short Automatic classification of microglial cells' state using stacked denoising auto-encoders
title_full Automatic classification of microglial cells' state using stacked denoising auto-encoders
title_fullStr Automatic classification of microglial cells' state using stacked denoising auto-encoders
title_full_unstemmed Automatic classification of microglial cells' state using stacked denoising auto-encoders
title_sort Automatic classification of microglial cells' state using stacked denoising auto-encoders
author Fernandes, Sofia da Silva
author_facet Fernandes, Sofia da Silva
author_role author
dc.contributor.author.fl_str_mv Fernandes, Sofia da Silva
dc.subject.por.fl_str_mv Matemática aplicada
Sistema nervoso central - Interacção celular
Microglia
Células - Classificação
Redes neuronais
Sistemas de reconhecimento de padrão - Modelos matemáticos
topic Matemática aplicada
Sistema nervoso central - Interacção celular
Microglia
Células - Classificação
Redes neuronais
Sistemas de reconhecimento de padrão - Modelos matemáticos
description Enquanto classe de c elulas constituinte do Sistema Nervoso Central, a microglia e respons avel pela sua manuten c~ao e defesa imunol ogica. Uma c elula desta classe pode ser encontrada em tr^es estados distintos (repouso, transi c~ao e ativo) sendo que o estado re ete o que est a a ocorrer no Sistema Nervoso Central; em particular, pode indiciar o in cio do desenvolvimento de uma doen ca neurodegenerativa. Nesta disserta c~ao, apresentamos o primeiro estudo para o reconhecimento autom atico do estado de c elulas microglia utilizando stacked denoising auto-encoders. Para obter o modelo de reconhecimento mais adequado, recorremos a diferentes estrat egias, nomeadamente, ao pr e-processamento de imagem, ao aumento arti cial do conjunto de dados (usando rota c~oes das imagens) e a resolu c~ao de sub problemas do problema original. Aplicamos tamb em transfer^encia de aprendizagem considerando cinco problemas fonte. Os resultados obtidos mostram que o estado de transi c~ao e o mais dif cil de reconhecer. Em termos de taxa de acertos, um desempenho de aproximadamente 64% e obtido.
publishDate 2015
dc.date.none.fl_str_mv 2015-01-01T00:00:00Z
2015
2017-02-24T14:34:02Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10773/16880
TID:201594145
url http://hdl.handle.net/10773/16880
identifier_str_mv TID:201594145
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade de Aveiro
publisher.none.fl_str_mv Universidade de Aveiro
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799137572297900032

Registros relacionados