A Comparison of Fast Level Set-Like Algorithms for Image Segmentation in Fluorescence Microscopy

MAŠKA, Martin, Jan HUBENÝ, David SVOBODA a Michal KOZUBEK. A Comparison of Fast Level Set-Like Algorithms for Image Segmentation in Fluorescence Microscopy. Online. In 3rd International Symposium on Visual Computing. Berlin, Heidelberg: Spinger-Verlag, 2007, s. 571-581. ISBN 978-3-540-76855-5.

Základní údaje

Originální název

A Comparison of Fast Level Set-Like Algorithms for Image Segmentation in Fluorescence Microscopy

Název česky

Porovnání rychlých aproximací Level Set metody pro segmentaci obrazu ve fluorescenční mikroskopii

Autoři

MAŠKA, Martin (203 Česká republika, garant, domácí), Jan HUBENÝ (203 Česká republika, domácí), David SVOBODA (203 Česká republika, domácí) a Michal KOZUBEK (203 Česká republika, domácí)

Vydání

Berlin, Heidelberg, 3rd International Symposium on Visual Computing, od s. 571-581, 11 s. 2007

Nakladatel

Spinger-Verlag

---

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Německo

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

elektronická verze "online"

Odkazy

URL

Kód RIV

RIV/00216224:14330/07:00022769

Organizační jednotka

Fakulta informatiky

ISBN

978-3-540-76855-5

UT WoS

000251785200056

Klíčová slova anglicky

image segmentation; level set method; active contours

Štítky

active contours, cbia-web, image segmentation, level set method

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

Image segmentation, one of the fundamental task of image processing, can be accurately solved using the level set framework. However, the computational time demands of the level set methods make them practically useless, especially for segmentation of large threedimensional images. Many approximations have been introduced in recent years to speed up the computation of the level set methods. Although these algorithms provide favourable results, most of them were not properly tested against ground truth images. In this paper we present a comparison of three methods: the Sparse-Field method [1], Deng and Tsui's algorithm [2] and Nilsson and Heyden's algorithm [3]. Our main motivation was to compare these methods on 3D image data acquired using fluorescence microscope, but we suppose that presented results are also valid and applicable to other biomedical images like CT scans, MRI or ultrasound images. We focus on a comparison of the method accuracy, speed and ability to detect several objects located close to each other for both 2D and 3D images. Furthermore, since the input data of our experiments are artificially generated, we are able to compare obtained segmentation results with ground truth images.

Česky

Segmentaci obrazu, jednu ze základních úloh zpracování obrazu, lze přesně řešit pomocí Level Set metody.

---

Návaznosti

LC535, projekt VaV	Název: Dynamika a organizace chromosomů během buněčného cyklu v normě a patologii Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Dynamika a organizace chromosomů během buněčného cyklu v normě a patologii
MSM0021622419, záměr	Název: Vysoce paralelní a distribuované výpočetní systémy Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Vysoce paralelní a distribuované výpočetní systémy
2B06052, projekt VaV	Název: Vytipování markerů, screening a časná diagnostika nádorových onemocnění pomocí vysoce automatizovaného zpracování multidimenzionálních biomedicínských obrazů (Akronym: Biomarker) Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Vytipování markerů, screening a časná diagnostika nádorových onemocnění pomocí vysoce automatizovaného zpracování multidimenzionálních biomedicínských obrazů