Επεξεργασία εικόνων βιολογικού περιεχομένου

Το τεκμήριο παρέχεται από τον φορέα :
Πανεπιστήμιο Πατρών   

Αποθετήριο :
Νημερτής   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



Medical image processing (EL)
Επεξεργασία εικόνων βιολογικού περιεχομένου (EL)

Παπούλια, Άννα

Δερματάς, Ευάγγελος
Papoulia, Anna
Ψαράκης, Εμμανουήλ


2018-02-13T12:28:07Z
2017-10


The subject of this thesis is the study of confocal microscope images, which depict cuts from mice brains. The purpose of the thesis is to achieve a proper denoising of the images and to study counting techniques of the illustrated cells. More specifically the algorithms we implement are the Spectral clustering algorithm with the aid of graph laplacians, the Continuous max-flow algorithm, the k-means algorithm, the SVD (Singular Value Decomposition) technique with the use of low rank matrices and the Watershed algorithm. After our research was completed, it was found out that the most suitable denoising technique, was the use of bilateral filter because of its ability to smooth internal regions of the cells without blurring their contour. However in the part of segmentation none of the described algorithms was able to give a sufficient result in regions of high interest, i.e those with overlapping cells. (EL)
Στην παρούσα διπλωματική εργασία αντικείμενο μελέτης αποτελούν εικόνες που προέρχονται από συνεστιακό μικροσκόπιο και απεικονίζουν τομές εγκεφάλου ποντικών. Σκοπός της εργασίας είναι η αποθορυβοποίηση των εικόνων αυτών και η μελέτη τεχνικών καταμέτρησης των κυτταρικών πυρήνων. Συγκεκριμένα μελετήθηκε ο Φασματικός διαχωρισμός (Spectral Clustering) με χρήση λαπλασιανών γραφημάτων (graph laplacians), η χρήση του αλγορίθμου Μέγιστης ροής (οικογένεια Continuous max-flow αλγορίθμων), ο αλγόριθμος k-means, η τεχνική ανάλυσης σε πρωταρχικά στοιχέια (Singular Value Decomposition) σε συνδυασμό με χαμηλής τάξης (low rank) μητρώα και ο αλγόριθμος Watershed. Μετά την ολοκλήρωση της μελέτης διαπιστώθηκε ότι το φιλτράρισμα με χρήση διμερούς φίλτρου είναι το καταλληλότερο για αυτού του είδους τις εικόνες. Ωστόσο όσον αφορά την κατάτμηση, κανένας από τους περιγραφόμενους αλγορίθμους δεν ήταν σε θέση να δώσει ικανοποιητική λύση στις περιοχές όπου υπάρχει συνωστισμός και επικάλυψη κυττάρων. (EL)


Επεξεργασία εικόνας (EL)
Τεχνικές διαχωρισμού προσκηνίου-παρασκηνίου (EL)
621.367 (EL)
Max-flow (EL)
Low rank arrays (EL)
Watershed (EL)
Ιατρικές εικόνες (EL)
Sobel (EL)
Bilateral (EL)
Spectral clustering (EL)
Αποθορυβοποίηση εικόνας (EL)


0 (EL)




*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.