Распознавание объектов изображений электронной микроскопии лучевыми методами на примере митохондрий

Автор: Белокаменская А.А., Васильев Е.П., Новожилов М.М.

Журнал: Форум молодых ученых @forum-nauka

Статья в выпуске: 4 (4), 2016 года.

Бесплатный доступ

Предложен, частично конкретизирован и реализован на CPU лучевой подход к сегментации изображений электронной микроскопии для клеток мозга. Целью подхода является совмещение лучевого метода трассировки объекта с одновременным применением методов машинного обучения (ML) для сегментации. Предлагаются и обсуждаются лучевые интерпретации попиксельных и объектных признаков для ML. Реализовано экспериментальное программное обеспечение для проведения исследований. На примере сегментации митохондрий демонстрируются примеры его работы и конкретные способы реализации лучевых вариантов некоторых методов машинного обучения. Планируется расширение списка лучевых реализаций методов ML и реализация на GPU.

Еще

Лучевые методы, электронная микроскопия, геометрическая реконструкция, машинное обучение

Короткий адрес: https://sciup.org/140276588

IDR: 140276588

Список литературы Распознавание объектов изображений электронной микроскопии лучевыми методами на примере митохондрий

  • Kaynig V. et al. Large-scale automatic reconstruction of neuronal processes from electron microscopy images // Medical Image Analysis. May 2015. V. 22, Iss. 1, P.77-88 DOI: 10.1016/j.media.2015.02.001
  • Kasthuri N. et al. Saturated Reconstruction of a Volume of Neocortex // Cell 162, 648-661 July, 2015 Elsevier Inc. DOI: 10.1016/j.cell.2015.06.054
  • Hadwiger M. et al. ConnectomeExplorer: Query-Guided Visual Analysis of Large Volumetric Neuroscience Data // IEEE Trans Vis. Comput. Graph. 2013 December; 19(12): 2868-2877. (Author manuscript; available in PMC 2015 Jan.16) DOI: 10.1109/TVCG.2013.142
  • Deroulers C. et al. Analyzing huge pathology images with open source software // Diagnostic Pathology (2013), 8:92. (https://diagnosticpathology.biomedcentral.com/articles/) DOI: 10.1186/1746-1596-8-92
  • Gavrilov, N.I.; Turlapov, V.E. Novel approach to development of direct volume rendering algorithms based on visualization quality assessment // Programming and Computer Software, 40 (4), pp. 174-184. DOI: 10.1134/S0361768814040045
  • Turlapov, V.E., Gavrilov, N.I. 3D Scientific Visualization and geometric modeling in digital biomedicine (2015) Scientific Visualization, 7 (4), pp.27-43. (rus, http://sv-journal.org/2015-4/04.php?lang=en).
  • Lucchi A. et al. Learning Structured Models for Segmentation of 2D and 3D Imagery IEEE Transactions on Medical Images, March 2014, p.1-15 (https://infoscience.epfl.ch/record/203681/files/paper.pdf?version=1)
  • Delon Julie. A non parametric approach for histogram segmentation (2006). 6 p. (http://desolneux.perso.math.cnrs.fr/papers/DDLP_HistIP_07.pdf
Еще
Статья научная