Ohjaamaton oppiminen solujen segmentaatiossa

Simple item page
dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorLehtonen, Arttu
dc.contributor.authorHautala, Daniel
dc.contributor.schoolSähkötekniikan korkeakoulufi
dc.contributor.supervisorTurunen, Markus
dc.date.accessioned2024-06-04T08:18:55Z
dc.date.available2024-06-04T08:18:55Z
dc.date.issued2024-05-12
dc.description.abstractTämä kandidaatintyö tarkastelee ohjaamattoman koneoppimisen käyttöä solujen segmentaatiossa ja pohtii sen hyötyjä ja haittoja verrattuna muihin segmentaatiomenetelmiin. Tavoitteena on saada ajankohtainen ja laaja yleiskatsaus aiheen tutkimukseen ja sen tulevaisuuteen. Työssä käydään ensin läpi aiheeseen liittyvää teoreettista taustaa liittyen mikroskooppikuvien analyysiin, solujen segmentaatioon sekä ohjaamattomaan oppimiseen. Tämän jälkeen tutustutaan erilaisiin segmentaatiomenetelmiin. Nämä jakautuvat mallipohjaisiin, ohjattua oppimista hyödyntäviin sekä ohjaamatonta oppimista hyödyntäviin metodeihin. Lopuksi verrataan ohjaamattomia menetelmiä mallipohjaisiin ja ohjattuun oppimiseen perustuviin menetelmiin.fi
dc.format.extent4+20
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/128455
dc.identifier.urnURN:NBN:fi:aalto-202406044048
dc.language.isofien
dc.programmeSähkötekniikan kandidaattiohjelmafi
dc.programme.majorBioinformaatioteknologiafi
dc.programme.mcodeELEC3016fi
dc.subject.keywordsolujen segmentaatiofi
dc.subject.keywordohjaamaton oppiminenfi
dc.titleOhjaamaton oppiminen solujen segmentaatiossafi
dc.typeG1 Kandidaatintyöfi
dc.type.dcmitypetexten
dc.type.ontasotBachelor's thesisen
dc.type.ontasotKandidaatintyöfi

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
Hautala_Daniel_2024.pdf
Size:
2.03 MB
Format:
Adobe Portable Document Format

Collections

[kand] Sähkötekniikan korkeakoulu / ELEC