RNDr. David Wiesner

Katedra vizuální informatiky


sociální a akademické sítě:
Životopis

Životopis

Identifikace osoby
  • David Wiesner
    jazyky: čeština, angličtina
Pracoviště
  • Centrum analýzy biomedicínského obrazu
    Fakulta informatiky
    Masarykova univerzita
    Botanická 68a
    602 00 Brno
Funkce na pracovišti
  • PhD student
Vzdělání a akademická kvalifikace
  • 2020: RNDr.; informatika, FI MU, Brno. Rogorózní práce: "Využití strojového učení v syntéze biomedicínského obrazu"
  • 2018: Mgr.; informatika, FI MU, Brno. Diplomová práce: "Paralelizace obrazového simulátoru buněčných populací"
  • 2012: Bc.; informatika, FI MU, Brno. Bakalářská práce: "Implementace výpočtu ideálních odezev filtrů optického toku na GPU"
Výzkumné projekty a granty
  • 2020-nyní: práce na projektu MUNI/G/1446/2018: "Deciphering the mechanisms of mammary epithelial branched pattern formation through iterative biological and mathematical modelling"
  • 2019: práce na projektu GA19-09323S: "Mimetic complexes and the evolution of inaccurate mimics"
  • 2018: práce na projektu GJ16-03909Y: "Vývoj spolehlivých metod pro automatizovanou kvantitativní charakterizaci buněčné motility ve fluorescenční mikroskopii"
  • 2018: práce na projektu LM2015062: "National research infrastructure for biological and medical imaging"
Pedagogická činnost
  • 2019-nyní: Konzultace/vedení bakalářských a diplomových prací
  • 2018-nyní: Výuka cvičení kurzů digitálního zpracování obrazu
Vědeckovýzkumná činnost
  • strojové učení; syntéza obrazu; buněčné populace; modelování a simulace; optimalizace; paralelní a distribuované zpracování
Akademické stáže, studijní nebo pracovní pobyty
  • 1. 9. 2021 – 30. 11. 2021: University of Twente, Enschede, NLD
    • Tříměsíční stáž na University of Twente, Nizozemí. Termín 1. září - 30. listopadu 2021. Náplň stáže: Pod vedením předních odborníků v oboru se budu věnovat výzkumu a vývoji metod hlubokého učení pro simulaci 3D časových sekvencí živých buněčných populací. Řešení tohoto tématu je stále otevřený problém díky výsoké dimenzionalitě dat a limitacím, které plynou z dostupné výpočetní kapacity soudobých počítačů. Kontrétně je záměrem prozkoumat možnosti nových přístupů hlubokého učení, jako jsou grafové neuronové sítě a mesh-based konvoluční sítě, pro vizuálně věrnou simulaci vývoje tvaru buňky v průběhu buněčného cyklu, spolu s pohybem, dělením a interakcemi mezi jednotlivými buňkami v populaci.
Vybrané publikace
  • MAŠKA, Martin, Tereza NEČASOVÁ, David WIESNER, Dmitry SOROKIN, Igor PETERLÍK, Vladimír ULMAN a David SVOBODA. Toward Robust Fully 3D Filopodium Segmentation and Tracking in Time-Lapse Fluorescence Microscopy. In 26th IEEE International Conference on Image Processing. Taipei: IEEE, 2019. s. 819-823. ISBN 978-1-5386-6249-6. doi:10.1109/ICIP.2019.8803721. URL info
  • WIESNER, David, David SVOBODA, Martin MAŠKA a Michal KOZUBEK. CytoPacq: A web-interface for simulating multi-dimensional cell imaging. Bioinformatics. Oxford University Press, 2019, roč. 35, č. 21, s. 4531-4533. ISSN 1367-4803. doi:10.1093/bioinformatics/btz417. URL info
  • WIESNER, David, Tereza NEČASOVÁ a David SVOBODA. On Generative Modeling of Cell Shape Using 3D GANs. In Ricci Elisa, Rota Buló Samuel, Snoek Cees, Lanz Oswald, Messelodi Stefano, Sebe Nicu. Image Analysis and Processing – ICIAP 2019. LNCS 11752. Trento: Springer, 2019. s. 672-682. ISBN 978-3-030-30644-1. doi:10.1007/978-3-030-30645-8_61. info

14. 1. 2021

Používáte starou verzi internetového prohlížeče. Doporučujeme aktualizovat Váš prohlížeč na nejnovější verzi.

Další info