The use of neural image analysis in the identification of information encoded in a graphical form

• Autorzy: Koszela K. , Boniecki P. , Kuzimska T.

Identyfikatory

DOI

http://dx.medra.org/10.14654/ir.2015.155.133

Warianty tytułu

PL

Wykorzystanie neuronowej analizy obrazów w identyfikacji informacji zakodowanej w formie graficznej

• Języki publikacji: EN

Abstrakty

EN

Numerous scientific and research centres are searching for solutions concerning the problem of quality classification of animal oocytes. Conducting such studies is purposeful, particularly in the context of constant attempts to improve the quality of food products, which depends on the breeding value of livestock. Therefore, searching for methods of stimulation of proper development of a larger number of animal oocytes, particularly in extracorporeal conditions, gains special importance. An increasing interest in assisted reproduction techniques resulted in searching for new, increasingly effective methods of quality assessment of mammalian gametes and embryos. The expected progress in the production of animal embryos in vitro is largely dependent on proper classification of obtained oocytes. The aim of this work was to develop a non-invasive method for the quality assessment of oocytes, performed on the basis of graphic information encoded in the form of monochromatic digital images obtained via microscopy techniques. The classification process was conducted based on the information presented in the form of microphotography pictures of domestic pig oocytes, using advanced methods of neural image analysis.

PL

Rozwiązaniem problemu klasyfikacji jakościowej oocytów zwierzęcych zajmuje się wiele różnych ośrodków naukowo-badawczych. Celowość prowadzenia takich badań jest uzasadniona szczególnie w kontekście ciągłego dążenia do podnoszenia jakości produktów żywnościowych, która jest pochodną wartości hodowlanej zwierząt gospodarskich. W związku z tym, istotnego znaczenia nabierają poszukiwania metod prowadzących do stymulowania prawidłowego rozwoju większej liczby zapładnianych oocytów zwierzęcych, zwłaszcza realizowanego w warunkach pozaustrojowych. Rosnące zainteresowanie technikami wspomaganego rozrodu stało się przyczyną poszukiwania nowych, coraz bardziej efektywnych metod oceny jakościowej gamet oraz zarodków ssaków. Oczekiwany postęp w produkcji zarodków in vitro zwierząt uzależniony jest w istocie od poprawnej klasyfikacji pozyskiwanych oocytów. Celem pracy było opracowanie bezinwazyjnej metody oceny jakościowej oocytów dokonywanej w oparciu o informację graficzną zakodowana w postaci monochromatycznych obrazów cyfrowych pozyskanych metodą mikroskopową. Proces klasyfikacji zrealizowano w oparciu o informację prezentowaną w formie zdjęć mikrofotograficznych oocytów świni domowej, wykorzystując w tym celu nowoczesne metody neuronowej analizy obrazu.

Słowa kluczowe

EN

identification of class oocytes; quality classification; computer image analysis; image analysis; artificial neural networks

PL

identyfikacja klas oocytów; klasyfikacja jakościowa; analiza obrazu; sztuczne sieci neuronowe

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Agricultural Engineering
• Rocznik: 2015
• Tom: Vol. 19, No. 3
• Strony: 25--35
• Opis fizyczny: Bibliogr. 16 poz., fot., tab.

Twórcy

autor

Koszela K.

• Institute of Biosystems Engineering, Poznan University of Life Sciences, ul. Wojska Polskiego 50, 60-625 Poznan

autor

Boniecki P.

• Institute of Biosystems Engineering, Poznan University of Life Sciences, ul. Wojska Polskiego 50, 60-625 Poznan

autor

Kuzimska T.

• Institute of Biosystems Engineering, Poznan University of Life Sciences, ul. Wojska Polskiego 50, 60-625 Poznan

Bibliografia

• Bilodeau-Goeseels, S., Panich, P. (2002). Effects of oocyte quality on development and transcriptional activity in early bovine embryos. Animal Reproduction Science, 71,143-155.
• Boniecki, P., Przybył, J., Kuzimska, T., Mueller, W., Raba, B., Lewicki, A., Przybył, K., Zaborowicz, M., Koszela, K. (2014). Neural image analysis in the process of quality assessment domestic pig oocytes. 6th International Conference on Digital Image Processing, SPIE Proceedings, Vol 9159, DOI, 101117/122064214.
• Boniecki, P., Koszela, K., Piekarska-Boniecka, H., Weres, J., Zaborowicz, M., Kujawa, S., Majewski, A., Raba, B. (2015). Neural identification of selected apple pests. Computers and Electronics in Agriculture, 110, 9-16.
• Boniecki, P., Piekarska-Boniecka, H., Świerczyński, K., Koszela, K., Zaborowicz, M., Przybył, J. (2014). Detection of the granary weevil based on x-ray images of damaged wheat kernels. Jour-nal of Stored Products Research, 56, 38-42.
• Coticchio, G., Sereni, E., Serrao, L., Mazzone, S., Iadarola, I., Borini, A. (2004). What criteria for the definition of oocyte quality? Ann NY Acad Sci 1034,132-144.
• Haralick, R.M., Shanmugan, K., Dinstein, I. (1973). Textural Features for Image Classification, IEEE Trans Syst, Man, Cybern, 3,610-621.
• Jackowska, M., Kempisty, B., Antosik, P., Bukowska, D., Budna, J., Lianeri, M., Rosińska, M., Woźna, M., Jagodziński, P.P., Jaskowski, J.M. (2009). The morphology of porcine oocytes is associated with zona pellucida glycoprotein transcript contents. Reproductive Biology, 9,79-85.
• Kempisty, B., Walczak, R., Śniadek, P., Piotrowska, H., Woźna, M., Jackowska, M., Bukowska, D., Antosik, P., Dziuban, J., Jaśkowski, J.M. (2011). The use of a microchip fluidycznego type of Lab-on-Chip for assessing the quality of oocytes and embryos of mammals. Veterinary Medicine-Science & Practice, 67(8), 522-526.
• Koszela, K., Weres, J., Boniecki, P., Zaborowicz, M., Przybył, J., Dach, J., Pilarski, K., Janczak, D. (2013). Computer Image Analysis in the Quality Procedure For Selected Carrot Varieties. Proc SPIE 8878, 887811 DOI,101117/122030701.
• Koszela, K., Otrząsek, J., Zaborowicz, M., Boniecki, P., Mueller, W., Raba, B., Lewicki, A., Przybył, K. (2014). Quality assessment of microwave-vacuum dried material with the use of computer image analysis and neural model. Proc SPIE 915913, DOI,101117/122064274.
• Piekarska-Boniecka, H., Kadiubowski, W., Siatkowski, I. (2008). Study of bionomy of the privet sawfly (Macrophya punctumalbum (L)) (Hymenoptera, Tenthredinidae) – a pest of park plants. Acta Scientiarum Polonorum-Hortorum Cultus, 7(1), 3-11.
• Przybył, K., Zaborowicz, M., Koszela, K., Boniecki, P., Mueller, W., Raba, B., Lewicki, A. (2014). Organoleptic Damage Classification of Potatoes with the Use of Image Analysis in Production Process. Proc. of SPIE Vol. 9159, DOI: 10.1117/12.2064243.M.
• Pujol, M., López-Béjar, M., Paramio, M.T. (2004). Developmental competence of heifer oocytes selected using the brilliant cresyl blue (BCB) test. Theriogenology, 61,735-744.
• Rudnicki, Z., Oleksiak, Z., Pytko, S., Szydlo, Z. (2002). A Method of Processing and Feature Extraction of Tribological Surface. Images Papers of 6th International Tribology Conference – AUS-TRIB'02, Perth, Australia, 2-5 Dec.
• Zaborowicz, M., Boniecki, P., Koszela, K., Przybył, J., Mazur, R., Kujawa, S., Pilarski, K. (2012). Use of artificial neural networks in the identification and classification of tomatoes. Proc SPIE 8878, 88782R DOI,101117/122030696.
• Zaborowicz, M., Przybył, J., Koszela, K., Boniecki, P., Mueller, W., Raba, B., Lewicki, A., Przybył, K. (2014). Computer image analysis in obtaining characteristics of images: greenhouse tomatoes in the process of generating learning sets of artificial neural networks. Proc SPIE. 9159, 91590D DOI:10.1117/12.2064066.