An Adaptive Algorithm for Multimodal Focus Functions in Automated Fluorescence Microscopy

BRÁZDILOVÁ, Silvie Luisa a Michal KOZUBEK. An Adaptive Algorithm for Multimodal Focus Functions in Automated Fluorescence Microscopy. In Medical Imaging Conference. Dresden: IEEE, 2008, s. 1-5. ISBN 978-1-4244-2714-7.

Základní údaje

Originální název

An Adaptive Algorithm for Multimodal Focus Functions in Automated Fluorescence Microscopy

Název česky

Adaptivní algoritmus pro multimodální ostřicí funkce v automatizované fluorescenční mikroskopii

Autoři

BRÁZDILOVÁ, Silvie Luisa (203 Česká republika) a Michal KOZUBEK (203 Česká republika, garant)

Vydání

Dresden, Medical Imaging Conference, s. 1-5, 2008

Nakladatel

IEEE

---

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

20200 2.2 Electrical engineering, Electronic engineering, Information engineering

Stát vydavatele

Německo

Utajení

není předmětem státního či obchodního tajemství

Kód RIV

RIV/00216224:14330/08:00026789

Organizační jednotka

Fakulta informatiky

ISBN

978-1-4244-2714-7

ISSN

Klíčová slova česky

automaticka mikroskopie, ostřicí funkce

Klíčová slova anglicky

automated microscopy; focus function

Štítky

automated microscopy, focus function

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

This work presents a new autofocusing algorithm for fluorescence microscopy that aims at finding all significant planes of focus in cases that the focus function applied on real data is not unimodal, which is often the case. First, nineteen focus functions are tested and their ability to show local maxima clearly is evaluated. The results show that only six focus functions work successfully. Then adaptively variable step size is introduced because wide range of possible focus positions has to be passed not to miss a local maximum. The algorithm therefore assesses the steepness of the focus function on-line so that it can decide whether bigger or smaller step size should be used for acquiring next image. It is shown that for Normalized Variance, the knowledge about steepness can be obtained after normalizing with respect to the theoretical maximum of this function. The resulting algorithm is reliable and efficient compared to a simple procedure with constant steps.

Česky

Tato práce popisuje nový adaptivní ostřicí algoritmus pro multimodální ostřicí funkce v automatizované fluorescenční mikroskopii.

---

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