Automated separation of merged Langerhans islets
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F16%3A00303666" target="_blank" >RIV/68407700:21230/16:00303666 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/00023001:_____/16:00060176
Výsledek na webu
<a href="http://dx.doi.org/10.1117/12.2216798" target="_blank" >http://dx.doi.org/10.1117/12.2216798</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1117/12.2216798" target="_blank" >10.1117/12.2216798</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Automated separation of merged Langerhans islets
Popis výsledku v původním jazyce
This paper deals with separation of merged Langerhans islets in segmentations in order to evaluate correct histogram of islet diameters. A distribution of islet diameters is useful for determining the feasibility of islet transplantation in diabetes. First, the merged islets at training segmentations are manually separated by medical experts. Based on the single islets, the merged islets are identified and the SVM classifier is trained on both classes (merged/single islets). The testing segmentations were over-segmented using watershed transform and the most probable back merging of islets were found using trained SVM classifier. Finally, the optimized segmentation is compared with ground truth segmentation (correctly separated islets).
Název v anglickém jazyce
Automated separation of merged Langerhans islets
Popis výsledku anglicky
This paper deals with separation of merged Langerhans islets in segmentations in order to evaluate correct histogram of islet diameters. A distribution of islet diameters is useful for determining the feasibility of islet transplantation in diabetes. First, the merged islets at training segmentations are manually separated by medical experts. Based on the single islets, the merged islets are identified and the SVM classifier is trained on both classes (merged/single islets). The testing segmentations were over-segmented using watershed transform and the most probable back merging of islets were found using trained SVM classifier. Finally, the optimized segmentation is compared with ground truth segmentation (correctly separated islets).
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/GA14-10440S" target="_blank" >GA14-10440S: Automatická analýza mikroskopických snímků Langerhansových ostrůvků</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
Medical Imaging 2016: Image Processing
ISBN
978-1-5106-0019-5
ISSN
1605-7422
e-ISSN
—
Počet stran výsledku
6
Strana od-do
—
Název nakladatele
SPIE
Místo vydání
Bellingham
Místo konání akce
San Diego
Datum konání akce
1. 3. 2016
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000382313300113