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

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>

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.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

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)

Rok uplatnění

2016

Kód důvěrnosti údajů

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

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

—