Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Texture Analysis of 3D Fluorescence Microscopy Images Using RSurf 3D Features

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F16%3A00087753" target="_blank" >RIV/00216224:14330/16:00087753 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/ISBI.2016.7493484" target="_blank" >http://dx.doi.org/10.1109/ISBI.2016.7493484</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/ISBI.2016.7493484" target="_blank" >10.1109/ISBI.2016.7493484</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Texture Analysis of 3D Fluorescence Microscopy Images Using RSurf 3D Features

  • Popis výsledku v původním jazyce

    Classification tasks of biomedical images are still interesting topic of research with many possibilities of improvement. A very important part in this task is feature extraction process, where different image descriptors are used. Recently, a new approach of RSurf features was introduced with application in recognition of the 2D HEp-2 cell images. In this work, we present the extension of these features for the 3D volumetric images and demonstrate its superiority in recognition of sub-cellular protein distribution. The performance is tested on public HeLa dataset containing 9 different classes. The presented k-NN classifier based purely on the RSurf 3D features achieves more than 99% accuracy in recognition of the 3D HeLa images.

  • Název v anglickém jazyce

    Texture Analysis of 3D Fluorescence Microscopy Images Using RSurf 3D Features

  • Popis výsledku anglicky

    Classification tasks of biomedical images are still interesting topic of research with many possibilities of improvement. A very important part in this task is feature extraction process, where different image descriptors are used. Recently, a new approach of RSurf features was introduced with application in recognition of the 2D HEp-2 cell images. In this work, we present the extension of these features for the 3D volumetric images and demonstrate its superiority in recognition of sub-cellular protein distribution. The performance is tested on public HeLa dataset containing 9 different classes. The presented k-NN classifier based purely on the RSurf 3D features achieves more than 99% accuracy in recognition of the 3D HeLa images.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JD - Využití počítačů, robotika a její aplikace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA14-22461S" target="_blank" >GA14-22461S: Vývoj a studium metod pro kvantifikaci živých buněk</a><br>

  • Návaznosti

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

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    International Symposium on Biomedical Imaging (ISBI'16)

  • ISBN

    9781479923502

  • ISSN

    1945-7928

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    1212-1216

  • Název nakladatele

    IEEE Computer Society

  • Místo vydání

    Los Alamitos, California

  • Místo konání akce

    Praha

  • Datum konání akce

    1. 1. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku