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.
Další formáty:   BibTeX LaTeX RIS
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
Originální 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 1082-3654
Klíčová slova česky automaticka mikroskopie, ostřicí funkce
Klíčová slova anglicky automated microscopy; focus function
Štítky automated microscopy, focus function
Příznaky Mezinárodní význam, Recenzováno
Změnil Změnila: RNDr. Mgr. Silvie Luisa Brázdilová, Ph.D., učo 4123. Změněno: 31. 7. 2010 22:34.
Anotace
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.
Anotace česky
Tato práce popisuje nový adaptivní ostřicí algoritmus pro multimodální ostřicí funkce v automatizované fluorescenční mikroskopii.
Návaznosti
LC535, projekt VaVNázev: 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, záměrNázev: Vysoce paralelní a distribuované výpočetní systémy
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Vysoce paralelní a distribuované výpočetní systémy
2B06052, projekt VaVNázev: 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
VytisknoutZobrazeno: 8. 9. 2024 03:24