Klasifikácia röntgenových difraktogramov pomocou strojového učenia

Autor: Bc. Antónia Matisová

Vedúci práce: RNDr. Ondrej Krídlo, PhD.

Konzultant: RNDr. Stanislav Hrivňak, PhD.

Ciele:

1. 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.
2. Následne tieto vygenerované difraktogramy reprezentatívneho datasetu vhodne upraviť pre potreby uvažovaných algoritmov.
3. 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).
4. Po natrénovaní modelu navrhnúť a implementovať vhodnú metriku na testovanie jeho úspešnosti. Tiež zhodnotiť limity použiteľnosti v praxi.

Plán riešenia:

1. Oboznámiť sa s prehľadom súčastného stavu v problematike, ktorej sa práca venuje. (splnené)
2. Nagenerovať difraktogramy rôznych priestorových konformácií molekuly DNA. (splnené)
3. Pripraviť reprezentatívny dataset tak, aby mohol slúžiť ako vstup pre použité algoritmy. (splnené)
4. Navrhnúť a implementovať metódu strojového alebo hĺbkového učenia, ktorá by riešila spomínanú klasifikačnú úlohu. (splnené)
5. Natrénovať model a doladzovať jeho parametre. (splnené)
6. Pomocou vhodnej metriky testovať úspešnosť nášho modelu. (splnené)
7. Zhodnotiť limity použiteľnosti navrhnutého modelu a možnosti jeho použiteľnosti v praxi. (splnené)

Odporúčaná literatúra:

1. 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
2. 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
3. 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
4. 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
5. 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