RSurf - the Efficient Texture-Based Descriptor for Fluorescence Microscopy Images of HEp-2 Cells

MAJTNER, Tomáš, Roman STOKLASA a David SVOBODA. RSurf - the Efficient Texture-Based Descriptor for Fluorescence Microscopy Images of HEp-2 Cells. In 22nd International Conference on Pattern Recognition. Los Alamitos, California: IEEE Computer Society, 2014, s. 1194-1199. ISBN 978-1-4799-5208-3. Dostupné z: https://dx.doi.org/10.1109/ICPR.2014.215.

Základní údaje

Originální název

RSurf - the Efficient Texture-Based Descriptor for Fluorescence Microscopy Images of HEp-2 Cells

Autoři

MAJTNER, Tomáš (703 Slovensko, garant, domácí), Roman STOKLASA (703 Slovensko, domácí) a David SVOBODA (203 Česká republika, domácí)

Vydání

Los Alamitos, California, 22nd International Conference on Pattern Recognition, od s. 1194-1199, 6 s. 2014

Nakladatel

IEEE Computer Society

---

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

20200 2.2 Electrical engineering, Electronic engineering, Information engineering

Stát vydavatele

Spojené státy

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

paměťový nosič (CD, DVD, flash disk)

Kód RIV

RIV/00216224:14330/14:00073550

Organizační jednotka

Fakulta informatiky

ISBN

978-1-4799-5208-3

ISSN

DOI

http://dx.doi.org/10.1109/ICPR.2014.215

UT WoS

000359818001053

Klíčová slova anglicky

texture descriptor;rsurf;hep-2

Štítky

best, best2, cbia-web, core_B, firank_A

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

In biomedical image analysis, object description and classification tasks are very common. Our work relates to the problem of classification of Human Epithelial (HEp-2) cells. Since the crucial part of each classification process is the feature extraction and selection, much attention should be concentrated to the development of proper image descriptors. In this article, we introduce a new efficient texture-based image descriptor for HEp-2 images. We compare proposed descriptor with LBP, Haralick features (GLCM statistics) and Tamura features using the public MIVIA HEp-2 Images Dataset. Our descriptor outperforms all previously mentioned approaches and the classifier based solely on the proposed descriptor is able to achieve the accuracy as high as 87.8%.

---

Návaznosti

GBP302/12/G157, projekt VaV	Název: 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/0765/2013, interní kód MU	Název: Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity (Akronym: SKOMU) Investor: Masarykova univerzita, Zapojení studentů Fakulty informatiky do mezinárodní vědecké komunity, DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty
MUNI/A/0855/2013, interní kód MU	Název: 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