Gravitational Cell Detection and Tracking in Fluorescence Microscopy Data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F24%3A00135458" target="_blank" >RIV/00216224:14330/24:00135458 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/abstract/document/10635151" target="_blank" >https://ieeexplore.ieee.org/abstract/document/10635151</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ISBI56570.2024.10635151" target="_blank" >10.1109/ISBI56570.2024.10635151</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Gravitational Cell Detection and Tracking in Fluorescence Microscopy Data

Popis výsledku v původním jazyce

Automatic detection and tracking of cells in microscopy images are major applications of computer vision technologies in both biomedical research and clinical practice. Though machine learning methods are increasingly common in these fields, classical algorithms still offer significant advantages for both tasks, including better explainability, faster computation, lower hardware requirements and more consistent performance. In this paper, we present a novel approach based on gravitational force fields that can compete with, and potentially outperform modern machine learning models when applied to fluorescence microscopy images. This method includes detection, segmentation, and tracking elements, with the results demonstrated on a Cell Tracking Challenge dataset.

Název v anglickém jazyce

Gravitational Cell Detection and Tracking in Fluorescence Microscopy Data

Popis výsledku anglicky

Automatic detection and tracking of cells in microscopy images are major applications of computer vision technologies in both biomedical research and clinical practice. Though machine learning methods are increasingly common in these fields, classical algorithms still offer significant advantages for both tasks, including better explainability, faster computation, lower hardware requirements and more consistent performance. In this paper, we present a novel approach based on gravitational force fields that can compete with, and potentially outperform modern machine learning models when applied to fluorescence microscopy images. This method includes detection, segmentation, and tracking elements, with the results demonstrated on a Cell Tracking Challenge dataset.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10200 - Computer and information sciences

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2024

Kód důvěrnosti údajů

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

Název statě ve sborníku

24 IEEE International Symposium on Biomedical Imaging (ISBI)

ISBN

9798350313345

ISSN

1945-7928

e-ISSN

1945-8452

Počet stran výsledku

5

Strana od-do

1-5

Název nakladatele

IEEE

Místo vydání

Athens, Greece

Místo konání akce

International Conference Centre - Megaron Athens

Datum konání akce

27. 5. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

001305705100048