Automated separation of merged Langerhans islets

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00023001%3A_____%2F16%3A00060176" target="_blank" >RIV/00023001:_____/16:00060176 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/68407700:21230/16:00303666

Výsledek na webu

<a href="http://dx.doi.org/10.1117/12.2216798" target="_blank" >http://dx.doi.org/10.1117/12.2216798</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1117/12.2216798" target="_blank" >10.1117/12.2216798</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Automated separation of merged Langerhans islets

Popis výsledku v původním jazyce

This paper deals with separation of merged Langerhans islets in segmentations in order to evaluate correct histogram of islet diameters. A distribution of islet diameters is useful for determining the feasibility of islet transplantation in diabetes. First, the merged islets at training segmentations are manually separated by medical experts. Based on the single islets, the merged islets are identified and the SVM classifier is trained on both classes (merged/single islets). The testing segmentations were over-segmented using watershed transform and the most probable back merging of islets were found using trained SVM classifier. Finally, the optimized segmentation is compared with ground truth segmentation (correctly separated islets).

Název v anglickém jazyce

Automated separation of merged Langerhans islets

Popis výsledku anglicky

This paper deals with separation of merged Langerhans islets in segmentations in order to evaluate correct histogram of islet diameters. A distribution of islet diameters is useful for determining the feasibility of islet transplantation in diabetes. First, the merged islets at training segmentations are manually separated by medical experts. Based on the single islets, the merged islets are identified and the SVM classifier is trained on both classes (merged/single islets). The testing segmentations were over-segmented using watershed transform and the most probable back merging of islets were found using trained SVM classifier. Finally, the optimized segmentation is compared with ground truth segmentation (correctly separated islets).

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20602 - Medical laboratory technology (including laboratory samples analysis; diagnostic technologies) (Biomaterials to be 2.9 [physical characteristics of living material as related to medical implants, devices, sensors])

Projekt

<a href="/cs/project/GA14-10440S" target="_blank" >GA14-10440S: Automatická analýza mikroskopických snímků Langerhansových ostrůvků</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Medical imaging 2016: image processing

ISBN

978-1-5106-0019-5

ISSN

0277-786X

e-ISSN

—

Počet stran výsledku

7

Strana od-do

"art. no. 978438"

Název nakladatele

SPIE

Místo vydání

Bellingham

Místo konání akce

San Diego, CA, USA

Datum konání akce

1. 3. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000382313300113