Klasifikácia röntgenových difraktogramov pomocou strojového učenia
Autor: Bc. Antónia Matisová
Vedúci práce: RNDr. Ondrej Krídlo, PhD.
Konzultant: RNDr. Stanislav Hrivňak, PhD.
Ciele:
- Pomocou programového balíka condor na simuláciu výsledkov experimentu röntgenového zobrazovania vygenerovať difraktogramy rôznych priestorových konformácií rôznych štrukturálnych tried molekúl DNA a zahrnúť do nich aj rôzne zdroje šumu.
- Následne tieto vygenerované difraktogramy reprezentatívneho datasetu vhodne upraviť pre potreby uvažovaných algoritmov.
- Navrhnúť a implementovať metódu strojového alebo hĺbkového učenia, ktorá by riešila nasledovnú klasifikačnú úlohu (do viacerých tried), ktorému typu molekuly DNA zodpovedá výstup experimentu (difraktogram).
- Po natrénovaní modelu navrhnúť a implementovať vhodnú metriku na testovanie jeho úspešnosti. Tiež zhodnotiť limity použiteľnosti v praxi.
Plán riešenia:
- Oboznámiť sa s prehľadom súčastného stavu v problematike, ktorej sa práca venuje. (splnené)
- Nagenerovať difraktogramy rôznych priestorových konformácií molekuly DNA. (splnené)
- Pripraviť reprezentatívny dataset tak, aby mohol slúžiť ako vstup pre použité algoritmy. (splnené)
- Navrhnúť a implementovať metódu strojového alebo hĺbkového učenia, ktorá by riešila spomínanú klasifikačnú úlohu. (splnené)
- Natrénovať model a doladzovať jeho parametre. (splnené)
- Pomocou vhodnej metriky testovať úspešnosť nášho modelu. (splnené)
- Zhodnotiť limity použiteľnosti navrhnutého modelu a možnosti jeho použiteľnosti v praxi. (splnené)
Odporúčaná literatúra:
- Rawat, W., and Wang, Z.: Deep convolutional neural networks for image classification:
A comprehensive review. Neural Computation 29, 9 (September 2017), 2352-2449.
https://doi.org/10.1162/neco_a_00990
- Liu, W., Wang, Z., Liu, X., Zeng, N., Liu, Y., and Alsaadi, F. E.:
A survey of deep neural network architectures and their applications.
Neurocomputing 234 (April 2017), 11-26.
https://doi.org/10.1016/j.neucom.2016.12.038
- Sharma, N., Jain, V., and Mishra, A.:
An analysis of convolutional neural networks for image classification.
Procedia Computer Science 132 (2018), 377-384.
https://doi.org/10.1016/j.procs.2018.05.198
- Zimmermann, J., Langbehn, B., Cucini, R., Fraia, M. D., Finetti, P., LaForge, A. C., Nishiyama, T.,
Ovcharenko, Y., Piseri, P., Plekan, O., Prince, K. C., Stienkemeier, F., Ueda, K., Callegari, C.,
Möller, T., and et al., D. R.: Deep neural networks for classifying complex features
in diraction images. (March 2019)
https://arxiv.org/abs/1903.02779
- Hantke, Ekeberg and Maia: Condor: a simulation tool for flash X-ray imaging. J. Appl. Cryst. (2016). 49, 1356-1362
https://doi.org/10.1107/S1600576716009213