STOKLASA, Roman, Tomáš MAJTNER a David SVOBODA. Efficient k-NN based HEp-2 cells classifier. PATTERN RECOGNITION. OXFORD: PERGAMON-ELSEVIER SCIENCE LTD, 2014, roč. 47, č. 7, s. 2409-2418. ISSN 0031-3203. doi:10.1016/j.patcog.2013.09.021.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Efficient k-NN based HEp-2 cells classifier
Autoři STOKLASA, Roman (703 Slovensko, garant, domácí), Tomáš MAJTNER (703 Slovensko, domácí) a David SVOBODA (203 Česká republika, domácí).
Vydání PATTERN RECOGNITION, OXFORD, PERGAMON-ELSEVIER SCIENCE LTD, 2014, 0031-3203.
Další údaje
Originální jazyk angličtina
Typ výsledku Článek v odborném periodiku
Obor 10201 Computer sciences, information science, bioinformatics
Stát vydavatele Velká Británie
Utajení není předmětem státního či obchodního tajemství
WWW URL
Impakt faktor Impact factor: 3.096
Kód RIV RIV/00216224:14330/14:00073423
Organizační jednotka Fakulta informatiky
Doi http://dx.doi.org/10.1016/j.patcog.2013.09.021
UT WoS 000334978100012
Klíčová slova anglicky HEp-2 cells; Classifier; Image descriptor; Classification; Nearest neighbours; IIF; Indirect Immunofluorescence
Štítky best, best1, cbia-web
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnil: RNDr. Pavel Šmerk, Ph.D., učo 3880. Změněno: 27. 4. 2015 21:41.
Anotace
Human Epithelial (HEp-2) cells are commonly used in the Indirect Immunofluorescence (IIF) tests to detect autoimmune diseases. The diagnosis consists of searching and classification to specific patterns created by Anti-Nuclear Antibodies (ANAs) in the patient serum. Evaluation of the IIF test is mostly done by humans, which means that it is highly dependent on the experience and expertise of the physician. Therefore, a significant amount of research has been focused on the development of computer aided diagnostic systems which could help with the analysis of images from microscopes. This work deals with the design and development of HEp-2 cells classifier. The classifier is able to categorize pre-segmented images of HEp-2 cells into 6 classes. The core of this engine consists of the following image descriptors: Haralick features, Local Binary Patterns, SIFT, surface description and a granulometry-based descriptor. These descriptors produce vectors that form metric spaces. k-NN classification is based on aggregated distance function which combines several features together. An extensive set of evaluations was performed on the publicly available MIVIA HEp-2 images dataset which allows a direct comparison of our approach with other solutions. The results show that our approach is one of the leading classifiers when comparing with other participants in the HEp-2 Cells Classification Contest.
Návaznosti
GBP302/12/G157, projekt VaVNázev: Dynamika a organizace chromosomů během buněčného cyklu a při diferenciaci v normě a patologii
Investor: Grantová agentura ČR, Dynamika a organizace chromosomů během buněčného cyklu a při diferenciaci v normě a patologii
MUNI/A/0855/2013, interní kód MUNázev: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace III. (Akronym: FI MAV III.)
Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace III., DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty
VytisknoutZobrazeno: 18. 5. 2022 09:49