Reconstructing Evolving Tree Structures in Time Lapse Sequences

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F14%3A00223233" target="_blank" >RIV/68407700:21230/14:00223233 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/CVPR.2014.388" target="_blank" >http://dx.doi.org/10.1109/CVPR.2014.388</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CVPR.2014.388" target="_blank" >10.1109/CVPR.2014.388</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Reconstructing Evolving Tree Structures in Time Lapse Sequences

Popis výsledku v původním jazyce

We propose an approach to reconstructing tree structures that evolve over time in 2D images and 3D image stacks such as neuronal axons or plant branches. Instead of reconstructing structures in each image independently, we do so for all images simultaneously to take advantage of temporal-consistency constraints. We show that this problem can be formulated as a Quadratic Mixed Integer Program and solved efficiently. The outcome of our approach is a framework that provides substantial improvements in reconstructions over traditional single time-instance formulations. Furthermore, an added benefit of our approach is the ability to automatically detect places where significant changes have occurred over time, which is challenging when considering large amounts of data.

Název v anglickém jazyce

Reconstructing Evolving Tree Structures in Time Lapse Sequences

Popis výsledku anglicky

We propose an approach to reconstructing tree structures that evolve over time in 2D images and 3D image stacks such as neuronal axons or plant branches. Instead of reconstructing structures in each image independently, we do so for all images simultaneously to take advantage of temporal-consistency constraints. We show that this problem can be formulated as a Quadratic Mixed Integer Program and solved efficiently. The outcome of our approach is a framework that provides substantial improvements in reconstructions over traditional single time-instance formulations. Furthermore, an added benefit of our approach is the ability to automatically detect places where significant changes have occurred over time, which is challenging when considering large amounts of data.

Druh

D - Stať ve sborníku

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

<a href="/cs/project/GAP202%2F11%2F0111" target="_blank" >GAP202/11/0111: Automatická analýza obrazů nervové tkáně ze světelné a elektronové mikroskopie</a><br>

Návaznosti

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

Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR)

ISBN

978-1-4799-5117-8

ISSN

1063-6919

e-ISSN

—

Počet stran výsledku

8

Strana od-do

3035-3042

Název nakladatele

IEEE Computer Society Press

Místo vydání

Los Alamitos

Místo konání akce

Columbus, Ohio

Datum konání akce

23. 6. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—