Texture Analysis of 3D Fluorescence Microscopy Images Using RSurf 3D Features

STOKLASA, Roman a Tomáš MAJTNER. Texture Analysis of 3D Fluorescence Microscopy Images Using RSurf 3D Features. Online. In International Symposium on Biomedical Imaging (ISBI'16). Los Alamitos, California: IEEE Computer Society, 2016, s. 1212-1216. ISBN 978-1-4799-2350-2. Dostupné z: https://dx.doi.org/10.1109/ISBI.2016.7493484.

Základní údaje

Originální název

Texture Analysis of 3D Fluorescence Microscopy Images Using RSurf 3D Features

Autoři

STOKLASA, Roman (703 Slovensko, garant, domácí) a Tomáš MAJTNER (703 Slovensko, domácí)

Vydání

Los Alamitos, California, International Symposium on Biomedical Imaging (ISBI'16), od s. 1212-1216, 5 s. 2016

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

elektronická verze "online"

Kód RIV

RIV/00216224:14330/16:00087753

Organizační jednotka

Fakulta informatiky

ISBN

978-1-4799-2350-2

ISSN

DOI

http://dx.doi.org/10.1109/ISBI.2016.7493484

UT WoS

000386377400286

Klíčová slova anglicky

RSurf features;HeLa cell images;object recognition;classification;fluorescence microscopy

Štítky

cbia-web, firank_B

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

Classification tasks of biomedical images are still interesting topic of research with many possibilities of improvement. A very important part in this task is feature extraction process, where different image descriptors are used. Recently, a new approach of RSurf features was introduced with application in recognition of the 2D HEp-2 cell images. In this work, we present the extension of these features for the 3D volumetric images and demonstrate its superiority in recognition of sub-cellular protein distribution. The performance is tested on public HeLa dataset containing 9 different classes. The presented k-NN classifier based purely on the RSurf 3D features achieves more than 99% accuracy in recognition of the 3D HeLa images.

---

Návaznosti

GA14-22461S, projekt VaV	Název: Vývoj a studium metod pro kvantifikaci živých buněk (Akronym: Live Cell Quantification) Investor: Grantová agentura ČR, Development and Study of Methods for Live Cell Quantification
MUNI/A/0935/2015, 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/0945/2015, interní kód MU	Název: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace V. Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace V., DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty
MUNI/A/1159/2014, interní kód MU	Název: Rozsáhlé výpočetní systémy: modely, aplikace a verifikace IV. Investor: Masarykova univerzita, Rozsáhlé výpočetní systémy: modely, aplikace a verifikace IV., DO R. 2020_Kategorie A - Specifický výzkum - Studentské výzkumné projekty