RSurf - the Efficient Texture-Based Descriptor for Fluorescence Microscopy Images of HEp-2 Cells

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F14%3A00073550" target="_blank" >RIV/00216224:14330/14:00073550 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/ICPR.2014.215" target="_blank" >http://dx.doi.org/10.1109/ICPR.2014.215</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICPR.2014.215" target="_blank" >10.1109/ICPR.2014.215</a>

Jazyk výsledku

angličtina

Název v původním jazyce

RSurf - the Efficient Texture-Based Descriptor for Fluorescence Microscopy Images of HEp-2 Cells

Popis výsledku v původním jazyce

In biomedical image analysis, object description and classification tasks are very common. Our work relates to the problem of classification of Human Epithelial (HEp-2) cells. Since the crucial part of each classification process is the feature extraction and selection, much attention should be concentrated to the development of proper image descriptors. In this article, we introduce a new efficient texture-based image descriptor for HEp-2 images. We compare proposed descriptor with LBP, Haralick features (GLCM statistics) and Tamura features using the public MIVIA HEp-2 Images Dataset. Our descriptor outperforms all previously mentioned approaches and the classifier based solely on the proposed descriptor is able to achieve the accuracy as high as 87.8%.

Název v anglickém jazyce

RSurf - the Efficient Texture-Based Descriptor for Fluorescence Microscopy Images of HEp-2 Cells

Popis výsledku anglicky

In biomedical image analysis, object description and classification tasks are very common. Our work relates to the problem of classification of Human Epithelial (HEp-2) cells. Since the crucial part of each classification process is the feature extraction and selection, much attention should be concentrated to the development of proper image descriptors. In this article, we introduce a new efficient texture-based image descriptor for HEp-2 images. We compare proposed descriptor with LBP, Haralick features (GLCM statistics) and Tamura features using the public MIVIA HEp-2 Images Dataset. Our descriptor outperforms all previously mentioned approaches and the classifier based solely on the proposed descriptor is able to achieve the accuracy as high as 87.8%.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/GBP302%2F12%2FG157" target="_blank" >GBP302/12/G157: Dynamika a organizace chromosomů během buněčného cyklu a při diferenciaci v normě a patologii</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název statě ve sborníku

22nd International Conference on Pattern Recognition

ISBN

9781479952083

ISSN

1051-4651

e-ISSN

—

Počet stran výsledku

6

Strana od-do

1194-1199

Název nakladatele

IEEE Computer Society

Místo vydání

Los Alamitos, California

Místo konání akce

Stockholm, Sweden

Datum konání akce

1. 1. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—