Detekce dvojných zlomů DNA ve snimcich z optickeho mikroskopu

Abstract

Tato práce představuje neřízený postup zpracování obrazu pro segmentaci a kvantifikaci foci vyvolaných ionizujícím zářením (IRIFs) - diskrétních proteinových seskupení vytvořených na dvouřetězcových zlomech DNA (DSBs) během reakce na poškození buňky - v obrazech z fluorescenční mikroskopie. Tato metoda představuje lehkou, interpretovatelnou alternativu k hloubkovému učení pod dohledem, která nevyžaduje rozsáhlé anotace a zvyšuje odolnost vůči proměnlivým zobrazovacím podmínkám. Součástí postupu je vícestupňová segmentace jader z fluorescenčních skvrn, detekce IRIFs podle roviny Z pomocí Laplaciánovy filtrace a slučování na základě grafů pro vytvoření jednotné 2D reprezentace na buňku. Při hodnocení na řezech tkáně glioblastomu ozářených 8 Gy dosáhla metoda průměrné absolutní chyby 2,6 IRIFs na buňku oproti průměrné chybě 25,2, přičemž konzistentně nadhodnocovala stejným rozdílem ručně anotovaná data. Tyto výsledky naznačují praktickou rovnováhu mezi přesností, reprodukovatelností a interpretovatelností a podporují přínos postupu pro škálovatelnou analýzu v radiační biologii a příbuzných oborech.This thesis presents an unsupervised image processing pipeline for segmenting and quantifying ionizing radiation-induced foci (IRIFs)discrete protein assemblies formed at DNA double-strand breaks (DSBs) during the cellular damage responsein fluorescence microscopy images. The method provides a lightweight, interpretable alternative to supervised deep learning, requiring no extensive annotations and enhancing robustness to variable imaging conditions. The pipeline features multi-step nuclear segmentation from fluorescent stains, Z-plane-wise IRIFs detection via Laplacian filtering, and graph-based merging to generate a unified 2D per-cell representation. Evaluated on glioblastoma tissue sections irradiated with 8 Gy, the method achieved a mean absolute error of 2.6 IRIFs per cell, against an average of 25.2, consistently overestimating by the same margin over manually annotated data. These results suggest a practical balance of accuracy, reproducibility, and interpretability, supporting the pipelines value for scalable analysis in radiation biology and related fields.