1 / 22

Segmentace buněčných jader

Segmentace buněčných jader. Pořízených konfokálním mikroskopem. Základní pojmy. Konfokální mikroskop. 3D analýza obrazu. DNA značkování. Typy tkání. Ukázky tkání. Různé přístupy k segmentaci. 1.Rigault Šedotonní otevření Top hat transformace Geodetická rekonstrukce Watershed

cricket
Download Presentation

Segmentace buněčných jader

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Segmentace buněčných jader Pořízených konfokálním mikroskopem.

  2. Základní pojmy • Konfokální mikroskop. • 3D analýza obrazu. • DNA značkování. • Typy tkání.

  3. Ukázky tkání

  4. Různé přístupy k segmentaci • 1.Rigault • Šedotonní otevření • Top hat transformace • Geodetická rekonstrukce • Watershed • 2.Ancin • Prahování • Split and merge • Watershed

  5. Další metody • 3.Irinopoulou • Prahování, Morfologické filtrování, Watershed • Axiální segmentace na základě konvexnosti. • Problémy: • Strukturální dezorganizace tkáně. • Heterogenita stavby buňky.

  6. Algoritmus segmentace

  7. Automatická segmentace • Medián 3x3x3 • Odhad průměrné velikosti jádra – iterační algoritmus skládající se z Hough. shrinking(zcvrkávání) a zjištění počtu zcvrknutí. • Přepočet získaných hodnot k získání isomorfních dat. • Lokální prahování. • Morfologická segmentace.

  8. Gauss

  9. Výpočet průměrného poloměru jádra • Vypočet velikosti a směru gradientu v obraze – aplikace Gaussova filtru. • Iterační cyklus s iterovanou proměnnou R, skládající se ze 2 kroků. • 1.Vytvořen nový obraz, který slouží jako akumulátor, do kterého se podle Gauss. filtrovaného obrazu začnou akumulovat intenzity pro každý voxel podle R. • 2.Ohodnocení dosaženého zcvrknutí pro každou buňku. • Výsledkem. ROPT - R s minimálním KF.

  10. Ukázky

  11. Závislost radius x gradient

  12. Lokální prahování I. • Velikost regionů: 3ROPT*3ROPT*1 • Regiony větší z důvodu zajištění pozadí v každém regionu. • Lokální práh: I – původní obraz G – Sobelem filtrovaný obraz

  13. Lokální prahování II. • Regiony bez jader jsou detekovány. Jinak by při segmentaci vznikaly falešné objekty. • Hodnoty lokálního prahu platí pro střed regionu, v obraze jsou plynule interpolovány. • Vnitřky jader jsou dodatečně obarveny na 1.

  14. Morfologická segmentace • Cíl: Odstranit smetí a rozdělit jádra, která se dotýkají. • Eroze s eliptickým jádrem odstraní smetí. • Výpočet kostry jader a jejich přiložení na pův. obraz umožní oddělit hraničící objekty. • Výsledkem je množina objektů určených k interaktivní klasifikaci uživatelem.

  15. Metrické vlastnosti objektů • Obsah, objem, výstřednost • Zakřivenost: • Těžiště:

  16. Klasifikace uživatelem I. Uživatel klasifikuje region do 5 kategorii. • Jádro • Krajní jádro • Shluk jader • Shluk jader na okraji • Smetí

  17. Klasifikace uživatelem II.

  18. Dělení shluků jader I.

  19. Testování metody • Metoda byla testována na modelovém příkladu. Pro testování byly vytvořeny virtuální buňky, u kterých se získali jejich průřezy. Získané 2D průřezy byly Gaussovým filtrem rozmazány k simulaci PSF a byl přidán šum. Na těchto datech byla prováděna segmentace.

  20. Modely buněk

  21. Vizualizace výsledků

  22. Implementace • IRIX • C++ • LAPACK • Motif • OpenGL

More Related