Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/10609/121466
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.author | Muñoz Alloza, Jesús | - |
dc.contributor.other | Sánchez-Pla, Alex | - |
dc.date.accessioned | 2020-07-29T11:18:50Z | - |
dc.date.available | 2020-07-29T11:18:50Z | - |
dc.date.issued | 2020-06-22 | - |
dc.identifier.uri | http://hdl.handle.net/10609/121466 | - |
dc.description.abstract | Cell images reconstruction from a subset of the MCF7 image repository is the primary goal of this work. It is implemented through a variational autoencoder: a generative, unsupervised learning paradigm whose architecture consists of an encoder that reduces the dimensionality of the input space by obtaining a distribution over the latent space and a decoder, that rebuilds the inputs from the encoding. This work is completed with the description of the activities associated with the primary goal, like image segmentation and processing and infrastructure setup, the latest driven by automation tools and performed in a cloud environment. | en |
dc.description.abstract | La reconstrucción de imágenes de células a partir de un subconjunto del repositorio de imágenes MCF7 es el objetivo principal de este trabajo. Se implementa a través de un autoencoder variacional: un paradigma de aprendizaje generativo y no supervisado cuya arquitectura consiste en un codificador que reduce la dimensionalidad del espacio de entrada al obtener una distribución sobre el espacio latente y un decodificador, que reconstruye las entradas de la codificación. Este trabajo se completa con la descripción de las actividades asociadas con el objetivo principal, como la segmentación y procesamiento de imágenes y la configuración de la infraestructura, lo último impulsado por herramientas de automatización y realizado en un entorno de nube. | es |
dc.description.abstract | La reconstrucció d'imatges cel·lulars des d'un subconjunt del dipòsit d'imatges MCF7 és l'objectiu principal d'aquest treball. S'implementa a través d'un autoencoder variantal: un paradigma d'aprenentatge generatiu, sense supervisió, l'arquitectura del qual consisteix en un codificador que redueix la dimensionalitat de l'espai d'entrada obtenint una distribució sobre l'espai latent i un descodificador, que reconstrueix les entrades de la codificació. Aquest treball es completa amb la descripció de les activitats associades a l'objectiu principal, com ara la segmentació i el processament d'imatges i la configuració d'infraestructures, les últimes impulsades per eines d'automatització i realitzades en un entorn de núvol. | ca |
dc.format.mimetype | application/pdf | - |
dc.language.iso | eng | - |
dc.publisher | Universitat Oberta de Catalunya (UOC) | - |
dc.rights | CC BY-NC | - |
dc.rights.uri | http://creativecommons.org/licenses/by-nc/3.0/es/ | - |
dc.subject | variational autoencoders | en |
dc.subject | deep learning | en |
dc.subject | generative modelling | en |
dc.subject | autoencoders variacionals | ca |
dc.subject | aprenentatge profund | ca |
dc.subject | modelatge generatiu | ca |
dc.subject | codificadores automáticos variacionales | es |
dc.subject | aprendizaje profundo | es |
dc.subject | modelado generativo | es |
dc.subject.lcsh | Bioinformatics -- TFM | en |
dc.title | Application of variational autoencoders in image-based analysis of cellular response profiles | - |
dc.type | info:eu-repo/semantics/masterThesis | - |
dc.audience.educationlevel | Estudis de Màster | ca |
dc.audience.educationlevel | Estudios de Máster | es |
dc.audience.educationlevel | Master's degrees | en |
dc.subject.lemac | Bioinformàtica -- TFM | ca |
dc.subject.lcshes | Bioinformática -- TFM | es |
dc.contributor.tutor | Reverter, Ferran | - |
dc.contributor.tutor | Vegas Lozano, Esteban | - |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | - |
Aparece en las colecciones: | Trabajos finales de carrera, trabajos de investigación, etc. |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
jmunozalTFM0620memory.pdf | Memory of TFM | 8,66 MB | Adobe PDF | Visualizar/Abrir |
Comparte:
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons