Statistical techniques for edge detection in histological images

SVOBODA, David, Ian WILLIAMS, Nicholas BOWRING and Elizabeth GUEST. Statistical techniques for edge detection in histological images. In First International Conference on Computer Vision Theory and Applications. Portugalsko: INSTICC Press, 2006, p. 457-462. ISBN 972-8865-40-6.

Basic information

• Original name: Statistical techniques for edge detection in histological images
• Name in Czech: Využití statistickcýh detektorů hran při analýze histologických obrazových dat
• Authors: SVOBODA, David (203 Czech Republic, guarantor), Ian WILLIAMS (826 United Kingdom of Great Britain and Northern Ireland), Nicholas BOWRING (826 United Kingdom of Great Britain and Northern Ireland) and Elizabeth GUEST (826 United Kingdom of Great Britain and Northern Ireland).
• Edition: Portugalsko, First International Conference on Computer Vision Theory and Applications, p. 457-462, 6 pp. 2006.
• Publisher: INSTICC Press

Other information

• Original language: English
• Type of outcome: Proceedings paper
• Field of Study: 20200 2.2 Electrical engineering, Electronic engineering, Information engineering
• Country of publisher: United Kingdom of Great Britain and Northern Ireland
• Confidentiality degree: is not subject to a state or trade secret
• RIV identification code: RIV/00216224:14330/06:00015314
• Organization unit: Faculty of Informatics
• ISBN: 972-8865-40-6
• UT WoS: 000241913400068
• Keywords in English: edge detection; statistical tests; image analysis
• Tags: edge detection, Image analysis, statistical tests

Abstract

A review of the statistical techniques available for performing edge detection on histological images is presented. The tests under review include the Student's T Test, the Fisher test, the Chi Square test, the Kolmogorov Smirnov test, and the Mann Whitney U test. All utilize a novel two sample edge detector to compare the statistical properties of two image regions surrounding a central pixel. The performance of the statistical tests is compared using histological biomedical images on which traditional gradient based techniques are not as successful, therefore giving an overall review of the methods, and results. Comparisons are also made to the more traditional Canny and Sobel, edge detection filters. The results show that in the presence of noise and clutter in histological images both parametric and non-parametric statistical tests compare well robustly extracting edge information on a series images.

Abstract (in Czech)

V tomto článku je podán ucelený přehled základních statistických method, které realizují detekci hran v histologických snímcích. Jednotlivé statistické testy, které byly předmětem studia jsou: Studentův T-test, Fisher test, Chí kvadrát, Kolmogorov-Smirnovův test a Mann-Whitney-U test. Výsledky jednotlivých filtrů jsou prezentovány na histologických obrazových datech, na nichž běžně používané detektory hran většinou selhávají. Součástí textu je rovněž srovnání nových metod detekce hran s nejčastěji používanými detektory (Canny, Sobel). Výsledky ukazují, že statistické detektory hran jsou značně odolné vůči šumu přítomnému v obrazových datech.

Links

• IAA5004306, research and development project: Name: Struktura lidského genomu

Investor: Academy of Sciences of the Czech Republic, Human genome structure

• LC535, research and development project: Name: Dynamika a organizace chromosomů během buněčného cyklu v normě a patologii

Investor: Ministry of Education, Youth and Sports of the CR, Dynamika a organizace chromosomů během buněčného cyklu v normě a patologii

• 1K05021, research and development project: Name: Rekonstrukce objektů v biomedicínských obrazech pomocí statistických metod a metod umělé inteligence

Investor: Ministry of Education, Youth and Sports of the CR, Rekonstrukce objektů v biomedicínských obrazech pomocí statistických metod a metod umělé inteligence