Identificación y localización de células gliales en imágenes de tejido cerebral 上市 Deposited
Se propone un sistema de procesamiento digital de imágenes para la identificación automática de células gliales de tejido cerebral. El propósito es apoyar al especialista, que al seleccionar una región de interés (ROI) en una imagen de tejido cerebral, se procede a buscar esa ROI en toda la imagen en cuestión. La metodología propuesta trabaja a nivel textura por lo que primero aplica un preprocesamiento a toda la imagen: se extraen atributos CBIR (Content-based Image Retrieval) probados en la literatura, dando como resultado la posibilidad de analizar de forma local a una imagen específica para localizar regiones similares en la misma imagen. Nuestra propuesta hace uso de una discriminación de los patrones conformados usando métrica euclidiana, tras implementar el método K-Means para una auto-organización de los patrones de textura conformados. Se han realizado pruebas con un total de 312 imágenes experimentales de laboratorio obtenidas de un microscopio Zeiss Axyo Manager en formato TIFF, y se han obtenido resultados satisfactorios bajo la supervisión del especialista en biología celular. Adicionalmente, con el fin de acelerar el tiempo de análisis de un conjunto grande de imágenes, el sistema propuesto integra técnicas de paralelismo para aprovechar la capacidad de cómputo de un sistema multiprocesador.
A digital image processing system is proposed for the automatic identification of glial cells of brain tissue. The purpose of this approach is to support the specialist, so thatwhen selecting a region of interest (ROI) on a brain tissue image, proceed to search forthat ROI in the entire image in question The proposed methodology works at the texture level, so it first applies a preprocessing to the entire image: CBIR (Content-based Image Retrieval) attributes found in the literature, resulting in the possibility of analyzing locally the texture of a specific image to locate similar regions in the same image. Our proposal applies a discrimination of the conformed patterns using Euclidean metrics, after implementing the K-Means method for a self-organization of the conformed texture patterns. Tests have been carried out with a total of 312 laboratory images, purely experimental obtained from microscope Zeiss Axyo Manager in TIFF file format, and promising results have been obtained under the supervision of the specialist in cell biology. Additionally, in order to speed up the analysis time of a large set of images, the proposed system integrates parallelism techniques to take advantage of the computational capacity of a multiprocessor system.
关联
| 管理集内: |
|---|
描述
| 属性名称 | 属性值 |
|---|---|
| Creador | |
| 贡献者 | |
| Tema | |
| Editor | |
| Idioma | |
| Identificador | |
| 关键词 | |
| Año de publicación |
|
| Tipo de Recurso | |
| Derechos | |
| División académica | |
| Línea académica | |
| Licencia |
