| Tipo di tesi | Tesi di laurea magistrale | ||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Autore | MEGLIOLI, GRETA | ||||||||||||||||||||||||||||||||||||||
| URN | etd-08192020-094337 | ||||||||||||||||||||||||||||||||||||||
| Titolo | Feature engineering of Convolutional Neural Networks in biological imaging | ||||||||||||||||||||||||||||||||||||||
| Titolo in inglese | Feature engineering of Convolutional Neural Networks in biological imaging (Ingegnerizzazione delle feature di reti neurali convolutive nell'imaging biologico) | ||||||||||||||||||||||||||||||||||||||
| Struttura | Dipartimento di Scienze Fisiche, Informatiche e Matematiche | ||||||||||||||||||||||||||||||||||||||
| Corso di studi | MATEMATICA (D.M. 270/04) | ||||||||||||||||||||||||||||||||||||||
| Commissione |
|
||||||||||||||||||||||||||||||||||||||
| Parole chiave |
|
||||||||||||||||||||||||||||||||||||||
| Data inizio appello | 2020-09-15 | ||||||||||||||||||||||||||||||||||||||
| Disponibilità | Accessibile via web (tutti i file della tesi sono accessibili) | ||||||||||||||||||||||||||||||||||||||
Riassunto analitico
We propose a new convolutional neural network which aims to reproduce a combined wavelet and Fourier filter for stripe artifacts removal in biological imaging. We want to delete horizontal stripe artifacts from slices of neurons images obtained from Light-Sheet Microscopy without changing the image architecture. Our goal consists in learning automatically through our CNN how to improve the image resolution so that we obtain an image dataset on which the subsequent learning operations would be more effective. |
|||||||||||||||||||||||||||||||||||||||
Abstract
We propose a new convolutional neural network which aims to reproduce a combined wavelet and Fourier filter for stripe artifacts removal in biological imaging. We want to delete horizontal stripe artifacts from slices of neurons images obtained from Light-Sheet Microscopy without changing the image architecture. Our goal consists in learning automatically through our CNN how to improve the image resolution so that we obtain an image dataset on which the subsequent learning operations would be more effective. |
|||||||||||||||||||||||||||||||||||||||
| File |
|
||||||||||||||||||||||||||||||||||||||