Документ взят из кэша поисковой машины. Адрес
оригинального документа
: http://imaging.cs.msu.ru/en/publication?id=281
Дата изменения: Sun Apr 10 03:30:49 2016
Дата индексирования: Sun Apr 10 03:30:49 2016
Кодировка: UTF-8
Автоматическая сегментация срезов мозга мыши, окрашенных по NISLL, основанная на обучении с учителем по разметке из атласа
Publication type
Journal article
Author(s)
О. В. Сенюкова, А. С. Лукин, Д. П. Ветров
Publication date
2011
Journal
Программирование
Issue
5
Page(s)
39-48
Address
Москва
Publisher
Академический научно-издательский, производственно-полиграфический и книгораспространительский центр РАН "Издательство "Наука"
Abstract
Задача сегментации изображений мозга мыши на анатомические структуры является важным этапом практически любой процедуры анализа этих изображений. В рамках данного исследования предлагается новый подход для автоматической сегментации анатомических структур на изображениях гистологических срезов мозга мыши, окрашенных по технологии NISSL. Алгоритм сегментации основан на методике обучения с учителем по существующей анатомической разметке соответствующих срезов из специального атласа мозга мыши. Срез мозга мыши, на котором необходимо разметить анатомические структуры, предварительно сопоставляется с наиболее похожим срезом из атласа мозга мыши. Затем изображение этого среза подвергается процедуре предварительной обработки для того, чтобы повысить качество изображения и сделать его максимально похожим на изображение среза из атласа. Предлагается эффективный алгоритм выравнивания освещенности, являющийся расширением известного алгоритма Ретинекс. Рандомизированный решающий лес тренируется на векторах признаков пикселей, построенных по изображению среза из атласа, и сопоставленных им меткам классов, соответствующих анатомическим структурам, извлеченных из анатомической разметки из атласа. Натренированный классификатор применяется для классификации пикселей изображения экспериментального среза на анатомические структуры. Предложена новая комбинация признаков - признаки, основанные на суперпикселях, совместно с априорной пространственной информацией. Полученный результат уточняется с помощью марковского случайного поля. Процедуры выравнивания освещенности и последующей сегментации на анатомические структуры были протестированы на реальных экспериментальных срезах.
