Graph Cut Based Image Segmentation in Fluorescence Microscopy
Vývoj v moderní éře molekulární a buněčné biologie je hnaný ohromným technologickým pokrokem několika posledních dekád. Nové nástroje jako fluorescenční mikroskopy s vysokým rozlišením společně s vývojem fluorescenčních sond umožňují biologům pozorovat buněčné komponenty včetně proteinů, chromosomů...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Angličtina |
| Vydáno: |
2012
|
| Témata: | |
| On-line přístup: | http://is.muni.cz/th/60931/fi_d/ |
| Shrnutí: | Vývoj v moderní éře molekulární a buněčné biologie je hnaný ohromným technologickým pokrokem několika posledních dekád. Nové nástroje jako fluorescenční mikroskopy s vysokým rozlišením společně s vývojem fluorescenčních sond umožňují biologům pozorovat buněčné komponenty včetně proteinů, chromosomů nebo dokonce jednotlivých genů a studovat dynamiku rozličných biologických procesů na mikroskopické úrovni. Avšak ruční zpracování rozsáhlých datových souborů získaných v těchto experimentech je těžkopádné a náchylné k chybám a vytváří proto přirozenou poptávku po spolehlivých kvantitativních metodách založených na rychlých a robustních automatických nebo alespoň částečně automatických algoritmech pro zpracování obrazu, které umožní získat nezkreslené výsledky. Jedním z klíčových kroků ve zpracování biomedicínského obrazu je segmentace, jejíž cílem je nalezení studovaných objektů v obraze. Přední roli v současném výzkumu segmentace hrají sofistikované a matematicky dobře podložené metody za The progress in the modern era of molecular and cell biology is driven by the tremendous technological advances of the last few decades. Hardware tools such as high-resolution fluorescence microscopes together with the development of fluorescent probes allow biologists to observe sub-cellular components including chromosomes or even individual genes and proteins and study the dynamics of diverse processes at microscopic level. However, manual analysis of large data sets obtained in such experiments is cumbersome and error prone and thus creates a natural demand for reliable quantitative methods based on fast and robust automatic or semi-automatic image processing algorithms to produce unbiased statistics. One of the critical parts in biomedical image analysis is segmentation, aiming for accurate object localization. A prominent role in the current research of segmentation is played by sophisticated and mathematically well-founded methods based on energy minimization. Among these, the |
|---|---|
| Popis jednotky: | Vedoucí práce: Michal Kozubek |
| Fyzický popis: | x, 144 s. |