Development of a Proof of Concept for Automatically Counnting Osteoclasts in a Web Application
Abstract
Kvantifisering av osteoklaster er en viktig del av å forutsi benresorpsjon. I dag utføres denne oppgaveni hovedsak manuelt av opplært personell. Det er en tidkrevende prosess og krever betydligeressurser. En mer håndterlig metode er derfor nødvendig. Denne oppgaven har som mål å utvikleet konseptbevis for en webapplikasjon for å automatisk telle osteoklaster ved å implementere endyp læringsmodell. Opppgaven har som intensjon å gjøre prosessen enklere og mer tilgjengelig, ogdermed tilrettelegge for forskningen på feltet.I et samarbeid mellom St. Olavs og TrollLabs er det laget en dyp læringsmodell for å detektereosteoklaster. Denne oppgaven utvider dette prosjektet og bruker deres modell i webapplikasjonen.En foreslått løsning og funksjonalitet for webapplikasjonen er utviklet. Det er lagt vekt på hvordanman presenterer deteksjonsresultatene til brukeren, slik at brukeren har tiltro til metoden og stolerpå resultatene. For å få innsikt i hvordan de ulike funksjonalitetene bidrar til brukerens tillit, erdet utført en brukertest.Som et resultat er det utviklet et konseptbevis, hvor det er implementert funksjonaliteter for ålaste opp bilder, utføre deteksjoner og presentere resultatene. Det er opprettet to ulike sider forå presentere resultatene, en som gir en enkel oversikt over antall Osteoklaster i hvert bilde ogen med mer detaljert informasjon. I den detaljerte visningen kan brukeren inspisere deteksjonenvidere og manipulere resultatene. Denne oppgaven vil beskrive metodene som er brukt, implementeringsprosessenog presentere en oversikt over applikasjonen, sammen med resultatene avbrukertesten. Avslutningsvis vil de ulike aspektene bli diskutert. Quantifying Osteoclasts is an essential part of determining bone resorption. Today, this task ismainly performed manually by trained personnel. It is a tedious process and requires extensibleresources. A more manageable method is needed. This thesis aims to develop a proof of conceptfor a web application to count osteoclasts automatically by deploying a deep learning model. Inthe hope of making the process more effortless and accessible, thus enhancing the research in thefield.
In a collaboration between St. Olavs and TrollLabs, a deep learning model has been created todetect Osteoclasts. This thesis extends their project and utilizes their model in the web application.A suggested solution and functionalities for the web application have been designed. It has beenemphasized how to present the detection results to the user in order to gain confidence in themethod and trust the results. In order to get insight into how the different functionalities contributeto the user’s confidence, a user test has been performed.
As a result, a proof of concept has been developed, where functionalities are implemented foruploading images, performing detection, and presenting the results. Two views have been createdto present the results, one providing an overview of counted Osteoclasts in each image and one withmore detailed information. In the detailed view, the user can inspect the detection further andmanipulate the results. This thesis will describe the methods used, the implementation processand present an overview of the current application together with the user test results. Finally, thedifferent aspects will be discussed.