Ta witryna wykorzystuje cookies. Więcej informacji można znaleźć na stronie Polityka dotycząca cookies i podobnych technologii. ZAMKNIJ Zamknij ostrzeżenie dotyczące cookies

Seminarium naukowe Zakładu Grafiki Komputerowej

logo-zgk

Jest to kolejny wykład w ramach seminarium 'Grafika komputerowa, przetwarzanie i rozpoznawanie obrazów'.

Pod adresem http://www.grafi.ii.pw.edu.pl można znaleźć odsyłacze do stron zawierających program seminarium na bieżący rok akademicki oraz streszczenia referatów wygłoszonych w latach ubiegłych. Poniżej załączam autorskie streszczenie referatu.

Specyficzną klasą obrazów są obrazy przedstawiające żywe komórki obserwowane przy użyciu mikroskopii fazowo-kontrastowej. W obrazach tych znajdują się obszary zainteresowania (komórki), niejednolite tło oraz obiekty przeszkadzające (brud), które znajdują się nad interesującymi obszarami i pod nimi. Skupisko uznawane za brud przypomina często wyglądem komórki. Niektóre właściwości obrazu, na przykład intensywność światła oraz ostrość mogą się w czasie akwizycji zmieniać, a zmiana zastosowanego mikroskopu, obiektywów oraz rodzaju podłoża i typu komórek są dodatkowym utrudnieniem wizualizacji. Ponadto komórki mają niejednolite kształty, w związku z czym trudno je poprawnie sklasyfikować i odizolować obiekty fałszywe. Takie obrazy interesują biologów, ponieważ rozpoznawanie pozycji komórek jest istotnym zadaniem podczas wykonywania eksperymentu biologicznego z użyciem akceleratora do napromieniowania pojedynczymi jonami. Do tej pory tak skomplikowana detekcja (oraz rozpoznawanie) była wykonywana przez operatora - eksperta, który w związku z nieczytelnością obrazu czasem przy porównaniu wyników z drugim ekspertem nie był w stanie uzyskać takiej samej trafności w separacji obiektów. Jednocześnie procedura ta jest bardzo powolna i często, gdy liczba komórek do napromieniowania pojedynczymi jonami jest duża, ręczna analiza obrazu jest niepraktyczna.
 
 Pozycje żywych komórek niebarwionych bardzo ciężko automatycznie rozpoznawać przy użyciu komputerów, w szczególności wtedy, gdy dodatkowe obiekty oraz silne zabrudzenia występują na obrazach przechwyconych z mikroskopu. Nadzorowane uczenie klasyfikatora tekstur pomaga przy detekcji fragmentów nowych obrazów za pomocą okna skanującego, dzięki czemu dostarczane są dodatkowe informacje do algorytmu segmentacji. Wykorzystując metodologię podziału i scalania, dodatkowy klasyfikator kształtów jest w stanie wyodrębnić i odróżnić interesujące biologa obiekty w zadowalający sposób.
 
 W ramach seminarium zaprezentowany zostanie autorski algorytm zautomatyzowanego rozpoznawania komórek niebarwionych, skalowalna implementacja tego algorytmu oraz wyniki klasyfikacji.

Ostatnia modyfikacja: poniedziałek, 8 kwietnia 2013, 09:56:22, Bożenna Skalska

x x Aktualności (4) - wg daty publikacji

‹‹ Marzec 2013 ››
Pon Wt Śr Czw Pt So N
        1 2 3
4 5 6 7 8 9 10
11 12 13 14 15 16 17
18 19 20 21 22 23 24
25 26 27 28 29 30 31