Wyniki wyszukiwania - BazTech

1

Architektura platformy korzystającej z metod uczenia maszynowego do przetwarzania obrazów biomedycznych w chmurze

Kot Estera, Siwek Krzysztof, Winska Ewelina

Poznan University of Technology Academic Journals. Electrical Engineering

|

2020

|

No. 104

35--44

PL

W artykule zaproponowana została architektura korzystająca z chmury Microsoft Azure umożliwiająca uruchomienie algorytmów uczenia maszynowego służących do wykrywania guzów mózgu z zestawu obrazów DICOM. Przedstawiony został proces wdrożenia modelu z uwzględnieniem integracji z infrastrukturą jednostki wykonującej badania medyczne. Zwrócono uwagę na bezpieczeństwo danych i ograniczenia typowe dla danych medycznych. Wskazano dalsze perspektywy rozwoju omawianego rozwiązania.

EN

This paper proposes architecture based on Microsoft Azure Cloud that uses machine learning algorithms to detect brain tumours from a set of DICOM images. The process of implementing the model is presented, including integration with the infrastructure of the unit performing medical research. Data security and limitations typical for medical data are described. Further development perspectives for the discussed solutions are indicated.

2

Metoda znajdowania komórek i zliczania ognisk występowania histonu γ-H2AX w obrazach na potrzeby detekcji dwuniciowych pęknięć DNA

Wojciechowski P., Bal A.

Pomiary Automatyka Kontrola

|

2012

|

R. 58, nr 4

387-390

PL

Niniejsza praca opisuje algorytm automatyzujący proces zliczania ognisk histonu γ-H2AX w obrazach mikroskopowych. Ogniska te są miejscami, w których doszło do fosforylacji białka histonu H2AX w pozycji seryny 139 wskutek dwuniciowych pęknięć DNA. Propono-wana metoda działa dwuetapowo. Najpierw w obrazie mikroskopowym selekcjonowane są obiekty uznawane za komórki, a następnie na obszarze tych obiektów poszukiwane są miejsca wyznakowane barwnikiem fluorescencyjnym związanym z przeciwciałem anty-γ-H2AX - miejsca te wskazują na lokalizację ognisk γ-H2AX.

EN

This paper describes an algorithm for automating the process of counting foci of histone γ-H2AX in microscope images. Foci are the places where there occurred H2AX protein phosphorylation on Ser139 site in response to DNA double-strand breaks (DSBs). In a γ-H2AX genotoxic test the number of foci per a single cell is counted. The proposed method works in two stages. The first stage is segmentation of a microscopic image (Fig. 1a) for selecting cell regions. For this purpose fusion of binarization methods is used - for the each pixel the result is obtained by comparison of the results from the Otsu method, the triangle method and the method in which the threshold is equal to the image average brightness. The pixel is classified as an object's pixel when at least two methods give such results. For improving segmentation results a morphological filter is used. The results (Fig. 1b) usually comprise regions representing single cells (Fig. 1c) and a set of agglomerated cells (Fig. 1d). A modified watershed segmentation and region classify method is used for separation of agglomerated cells into regions representing only one cell. The final result (Fig.1e) contains only regions representing single cells. In the second stage for each single cell region the foci (which are marked with a fluorescent indicator joined with anti- γ-H2AX antibody) are found (Fig. 3) with use of watershed segmentation on the pseudogradient image (which is obtained by aggregation of the results of cell image binarization with different thresholds; Fig. 2). The final results in form of foci number as a function of time after irradiation (Fig. 4) are similar to the test results of non-lethal DNA damages founded in the literature (e.g. [5]) - this allows stating that the presented method gives good results.

3

Segmentacja tekstury obrazów z wykorzystaniem neuronowych sieci oscylacyjnych i metod statystycznych

Strzelecki M.

Zeszyty Naukowe. Rozprawy Naukowe / Politechnika Łódzka

|

2004

|

Z. 336

3-177

PL

Praca opisuje wyniki badań autora dotyczące segmentacji obrazów zawierających tekstury, ze szczególnym uwzględnieniem obrazów biomedycznych, zawierających przekroje ludzkich wewnętrznych narządów i tkanek. Ilościowa analiza tekstury, obok parametrów morfologicznych, stanowi istotne uzupełnienie informacji o badanej tkance. Zastosowanie komputerowych metod analizy tekstur pozwala m.in. na dokonanie automatycznej segmentacji obrazu, co ma duże znaczenie we wspomaganiu diagnozy medycznej przez zapewnienie jej większej obiektywności i powtarzalności. W pracy dokonano przeglądu metod segmentacji tekstur. W szczególności omówiono statystyczne metody analizy tekstur z wykorzystaniem losowych pól Markowa (MRF). Przedstawiono zaproponowaną przez autora zmodyfikowaną metodę łączącą elementy metody histogramów i kodowania, służącą do estymacji parametrów modelu MRF, zapewniającą dokładne estymaty tych parametrów przy skróceniu czasu obliczeń. Ponadto pokazano przykłady segmentacji i klasyfikacji tekstur z wykorzystaniem parametrów modeli MRF. Wykazano, że dla wybranej klasy tekstur biomedycznych parametry MRF zapewniają lepszą segmcntację w porównaniu do innych cech statystycznych. W pracy przedstawiono również metodę segmentacji tekstur z wykorzystaniem sieci synchronicznych oscylatorów (SSO) oraz uzyskane przez autora pracy wyniki segmentacji wybranych tekstur biomedycznych. Zaproponowano i przetestowano zestaw cech do opisu tekstur uzyskanych na podstawie optymalizowanej filtracji liniowej. Porównano metody segmentacji wykorzystujące SSO i wielowarstwowe sieci pcrccptronowe oraz oszacowano ich dokładność. Do tego celu wykorzystano obrazy optyczne oraz ultrasonograf i czne zawierające obiekty testowe. W pracy przedstawiono również algorytm detekcji granic tekstur oraz algorytmy realizujące operacje morfologiczne z wykorzystaniem SSO. Jedną z zalet sieci oscylatorów jest możliwość jej sprzętowej implementacji np. w postaci układu VLSI. W pracy zaprezentowano koncepcję oraz wstępną weryfikacje procesora analogowego do szybkiej segmentacji obrazów, który realizuje architekturę SSO.

EN

The dissertation summarizes Author's research in the field of image texture segmentation focusing on biomedical images. Currently, in medical diagnosis physicians very often deal wilh image cross-sections of internal human organs and tissues (obtained using e.g. MRI tomography). These images contain homogeneous regions representing image texture. Quantitative texture analysis along with morphological lissue parameters provides additional information about analyzed tissues. Application of computerized texture analysis methods among others allows for automatic image segmentation, which improves medical diagnosis providing its repeatability and objectivity. The dissertation contains a review of texture analysis methods. It focuses on statistical MRF models. The MRF parameter estimation method (mixed of coding and histogramming techniques) proposed by the Author was presented. It provides accurate parameter estimation with relatively short analysis time. Examples of texture classification and segmentation using this method are also described. It was demonstrated that for selected class of textures MRF parameters assure better segmentation results if compared to other statistical features. The dissertation presents also texture segmentation method based on synchronized oscillator network (SON) and segmentation results of sample biomedical images. The properties of SON were discussed and compared to multilayer percepiron (MP). widely used for image segmentation. The texture feature set based on optimized linear filtering was discussed and tested. The accuracy of described segmentation methods using SON and MP were evaluated using optical and ultrasound images with artificial test objects. Also, the SON based algorithms for texture boundary detection and morphological filtering proposed by the Author was presented and discussed. The oscillator network can be implemented as VLSI chip. The concept of analog processor for image segmentation implementing the SON architecture was discussed along with preliminary test results.