2012
HEp-2 Cells Classifier
STOKLASA, Roman, Tomáš MAJTNER, David SVOBODA a Michal BATKOZákladní údaje
Originální název
HEp-2 Cells Classifier
Název česky
Klasifikátor HEp-2 buniek
Autoři
STOKLASA, Roman (703 Slovensko, domácí), Tomáš MAJTNER (703 Slovensko, domácí), David SVOBODA (203 Česká republika, garant, domácí) a Michal BATKO (203 Česká republika, domácí)
Vydání
2012
Další údaje
Jazyk
angličtina
Typ výsledku
Software
Obor
20206 Computer hardware and architecture
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Kód RIV
RIV/00216224:14330/12:00057512
Organizační jednotka
Fakulta informatiky
Klíčová slova anglicky
classifier; image; classification; cells
Technické parametry
Software pre rozpoznávanie HEp-2 buniek. Program je schopný spracovať obrázky HEp-2 buniek nasnímaných fluorescenčným mikroskopom a následne ich zaradiť do jednej zo šiestich základnych kategórii: centromere, coarse speckled, fine speckled, homogeneous, cytoplasmic, nucleolar.
Implementácia je realizovaná v jazyku Java a C++.
Zodpovedné osoby: Roman Stoklasa <rstoki@seznam.cz> a Tomáš Majtner <majtner@ics.muni.cz>
Adresa: Fakulta informatiky Masarykovy univerzity, Botanická 68a, 602 00 Brno.
Příznaky
Mezinárodní význam
Změněno: 22. 4. 2013 15:42, RNDr. Pavel Šmerk, Ph.D.
Anotace
V originále
Human Epithelial (HEp-2) cells are commonly used in the Indirect Immunofluorescence (IIF) tests to detect autoimmune diseases. The diagnosis consists of searching and classification to specific patterns created by Anti-Nuclear Antibodies (ANAs) in the patient serum. Evaluation of the IIF test is mostly done by humans, which means that it is highly dependent on the experience and expertise of the physician. Therefore, a significant amount of research has been focused on the development of computer aided diagnostic systems which could help with the analysis of images from microscopes. This work deals with the design and development of HEp-2 cells classifier. The classifier is able to categorize pre-segmented images of HEp-2 cells into 6 classes. The core of this engine consists of several image descriptors (such as Haralick features, Local Binary Patterns, surface description and a granulometry-based descriptor). These descriptors produces vectors that form metric spaces. k-NN classification is based on aggregated distance function which combines several features together. An extensive set of evaluations was performed on the publicly available MIVIA HEp-2 images dataset which allows a direct comparison of our approach with other solutions. The evaluation results show, that our approach is one of the top performing classifiers among the others which participated in the Contest on HEp-2 Cells Classification hosted by the 21th International Conference on Pattern Recognition 2012.
Návaznosti
| GBP302/12/G157, projekt VaV |
| ||
| MUNI/A/0914/2009, interní kód MU |
|