2016
Vascular Network Formation in Silico Using the Extended Cellular Potts Model
SVOBODA, David, Vladimír ULMAN, Peter KOVÁČ, Barbara ŠALINGOVÁ, Lenka TESAŘOVÁ et. al.Základní údaje
Originální název
Vascular Network Formation in Silico Using the Extended Cellular Potts Model
Autoři
SVOBODA, David (203 Česká republika, garant, domácí), Vladimír ULMAN (203 Česká republika, domácí), Peter KOVÁČ (703 Slovensko, domácí), Barbara ŠALINGOVÁ (703 Slovensko, domácí), Lenka TESAŘOVÁ (203 Česká republika, domácí), Irena KRONTORÁD KOUTNÁ (203 Česká republika, domácí) a Petr MATULA (203 Česká republika, domácí)
Vydání
Piscataway, NJ, USA, 2016 IEEE International Conference on Image Processing, od s. 3180-3183, 4 s. 2016
Nakladatel
IEEE Signal Processing Society
Další údaje
Jazyk
angličtina
Typ výsledku
Stať ve sborníku
Obor
10201 Computer sciences, information science, bioinformatics
Stát vydavatele
Spojené státy
Utajení
není předmětem státního či obchodního tajemství
Forma vydání
paměťový nosič (CD, DVD, flash disk)
Odkazy
Kód RIV
RIV/00216224:14330/16:00087993
Organizační jednotka
Fakulta informatiky
ISBN
978-1-4673-9961-6
ISSN
UT WoS
000390782003040
Klíčová slova anglicky
Synthetic image formation; Vascular network; Cellular Potts model; Angiogenesis
Příznaky
Mezinárodní význam, Recenzováno
Změněno: 12. 2. 2018 14:54, doc. RNDr. Petr Matula, Ph.D.
Anotace
V originále
Cardiovascular diseases belong to the most widespread illnesses in the developed countries. Therefore, the regenerative medicine and tissue modeling applications are highly interested in studying the ability of endothelial cells, derived from human stem cells, to form vascular networks. Several characteristics can be measured on images of these networks and hence describe the quality of the endothelial cells. With advances in the image processing, automatic analysis of these complex images becomes increasingly common. In this study, we introduce a new graph structure and additional constraints to the cellular Potts model, a framework commonly utilized in computational biology. Our extension allows to generate visually plausible synthetic image sequences of evolving fluorescently labeled vascular networks with ground truth data. Such generated datasets can be subsequently used for testing and validating methods employed for the analysis and measurement of the images of real vascular networks.
Návaznosti
GA14-22461S, projekt VaV |
|