Týmový projekt BiMat
2016/2017
Týmový projekt BiMat
2016/2017
INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
Týmový projekt
?
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
Týmový projekt – rozdělení úkolů
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
Týmový projekt - team-leadership
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
Týmový projekt – dvě obhajoby
(1) TEORIE:
obhajoba zvolených
metod a postupů
(2) PRAXE:
obhajoba celého projektu včetně
realizace algoritmu a výsledků
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
Týmový projekt – hackathon
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
Týmový projekt - zápočet
Závěrečnou zprávu k projektu není potřeba vypracovávat. 
Zápočet bude udělen na základě úspěšné obhajoby.
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
Týmový projekt – tři zadání
Závěrečnou zprávu k projektu není potřeba vypracovávat. 
Zápočet bude udělen na základě úspěšné obhajoby.
(i)   Segmentace obrazů z optické mikroskopie
(Daniel Schwarz)
(ii)  Strojové učení z obrazových dat
(Roman Vyškovský)
(iii) Dolování z textových dat
(Martin Komenda a Matěj Karolyi) 
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
Týmový projekt – tři skupiny
AUTOENCODERY
SEGMENTACE
KLÍČOVÁ SLOVA
Ježová K.
Rakušanová S.
Zouharová S.
Kratochvílová M.
Prelecová V.
Bučková B.
Bezděková M.
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
Týmový projekt – termíny
12. října 2016
dle rozvrhu
9. listopadu 2016
dle rozvrhu
14. prosince 2016
dle rozvrhu
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
SEGMENTACE
Segmentace erytrocytů  v digitálních obrazech hematologických nátěrů 
Laboratorní diagnostika, morfometrické analýzy
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
Segmentace erytrocytů
v digitálních obrazech hematologických nátěrů
Úloha: Z digitálních obrazů získaných optickou mikroskopií při laboratorní diagnostice 
chorob krve sestavte XLS sešit se seznamem erytrocytů a přiložte obrázek s legendou
Návrh pracovních balíků:
W1) Charakteristické rysy obrazů z optické mikroskopie, způsob vzniku obrazu, 
artefakty, zkreslení apod. Laboratorní diagnostika chorob krve a kde jsou 
možnosti pro automatické zpracování obrazů – morfometrické analýzy apod.
W2) Segmentační metody – základní přístupy a rozdíly mezi nimi. Rozvaha a volba 
jednoho z mnoha přístupů. Podle zvolené metody volit potom techniky 
předzpracování…
W3) Samotná práce s obrazovými daty. Předzpracování. Selekce objektů. Práce s RGB 
obrazy v MATLABu/Rku, vykreslování legendy do obrazu (GUI?). Práce s XLS sešity 
v Matlabu/Rku. Výpočet vybraného morfometrického parametru (např. průměr, 
sféricita apod.)
W4) Prezentace výsledků
Projekt z Matematické biologie © Institute of Biostatistics and Analyses
SEGMENTACE
Segmentace erytrocytů  v digitálních obrazech hematologických nátěrů 
Laboratorní diagnostika, morfometrické analýzy
200 400 600 800 1000 1200 1400 1600 1800 2000 2200
200
400
600
800
1000
1200
1400
1600
Autoenkodéry
Vedoucí: Roman Vyškovský
Motivace
 Hluboká neuronová síť
má schopnost zachytit
složité závislosti v
obrazových datech
 Algoritmus zpětného
šíření chyby není pro
hluboké sítě efektivní
(pomalá optimalizace
vah nižších vrstev)
 Síť s mnoha vrstvami a
neurony je často
přeučená Neuronová síť
Autoenkodér
 Cíl: Naučit vrstvu neuronů
(často s menší
dimenzionalitou než
vstupní obraz) tak, aby
tento vstupní obraz
rekonstruovala
 Jde vlastně o extrakci
příznaků
 Lze tímto způsobem
předučit váhy hluboké
neuronové sítě pro
klasifikaci Autoenkodér
Úkoly
 1. Najít soubor s obrazovými daty a
lékařskou/environmentální tématikou vhodný pro
klasifikaci
 2. Naučit hlubokou neuronovou síť s využitím autoenkodérů
 3. Otestovat na nezávislých datech
 4. Srovnat výsledek s klasickou neuronovou sítí stejné
architektury
 5. Je tento typ neuronových sítí vhodný pro malé datové
soubory?
Bi4012 Projekt z Matematické biologie
Zpracování dat v praxi: Redukce klíčových slov
Martin Komenda, Matěj Karolyi
Motivace a použití v praxi
 Klíčové slovo
 identifikátor při značkování a následnému třídění
a vyhledávání obsahu
 výraz, který se nejčastěji opakuje v textu
 791 000 000
Bi4012 Projekt z Matematické biologie
Motivace a použití v praxi
Bi4012 Projekt z Matematické biologie
 Praktické použití napříč různými doménami lidského
poznání
 Marketing, knihovnictví, webdesign, …
 Zdravotnictví
• Získání relevantních informací ze záznamů pacienta
(volný text)
Bi4012 Projekt z Matematické biologie
Cíle
Bi4012 Projekt z Matematické biologie
 Projekt si klade za cíl osvojit si:
 zpracování velkoobjemových dat
 znalost vybrané metodiky pro úlohy z oblasti
vytěžování dat
 týmovou spolupráci
CRISP-DM
Bi4012 Projekt z Matematické biologie
Porozumění problematice
 Fáze zaměřená na pochopení cílů projektu a požadavků
na řešení včetně formulace výzkumných otázek.
 Student
 Pochopí zadání projektu.
 Navrhne teoretický postup pro řešení.
Bi4012 Projekt z Matematické biologie
Porozumění datům
 Fáze začíná prvotním sběrem dat a následují činnosti,
které umožní získat základní představu o datech
samotných.
 Student
 Porozumí vstupní datové sadě (lokální uložení
datových souborů a seznámení se s jejich strukturou).
Bi4012 Projekt z Matematické biologie
Příprava dat
 Fáze zahrnuje činnosti vedoucí k vytvoření datového
souboru, který bude následně dále zpracováván.
 Student
 Navrhne algoritmus pro zpracování dat včetně
eliminace nežádoucích slov (stop-word list).
Bi4012 Projekt z Matematické biologie
Modelování
 Fáze zahrnuje algoritmy pro dobývání znalostí.
 Student
 Aplikuje navržený algoritmus pro vygenerování
finálního datového souboru.
 Vizualizuje výsledky v určené grafové podobě.
Bi4012 Projekt z Matematické biologie
Vyhodnocení výsledků
 Ve této fázi se dosažené výsledky vyhodnocují z pohledu
splnění cílů formulované na počátku projektu.
 Student
 Ověří dosažené výsledky s očekávanými výstupy.
Bi4012 Projekt z Matematické biologie
Využití výsledků
 Finální fáze projektu, která zahrnuje sepsání závěrečného
reportu.
 Student
 Představí projekt (průběh řešení a výsledky).
Bi4012 Projekt z Matematické biologie
Zadání
 V souladu s metodikou CRISP-DM najděte a
vizualizujte nad vybraným velkoobjemových korpusem
dat (Google Books databáze v řádu jednotek GB)
skupinu 10 nejčastěji vyskytujících se klíčových slov.
 Výsledná klíčová slova nesmí obsahovat slova
kratší než 4 znaky a současně nesmí obsahovat
slova ze seznamu nežádoucích výrazů (stop-word list
– přiloženo v souboru google-10000-english.txt).
Bi4012 Projekt z Matematické biologie
Vstupní data
 Korpus
 Google Books - Datová sada English Version 20120701
 1-gramy (pouze A – Z)
 Ukázka datové struktury
 circumvallate 1978 335 91
 circumvallate 1979 261 91
Bi4012 Projekt z Matematické biologie
Požadovaný výstup
Bi4012 Projekt z Matematické biologie
Dotazy sem:
komenda@iba.muni.cz
karolyi@iba.muni.cz