La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Automatic Cell Segmentation Using a Shape-Classification Model in Immunohistochemically Stained Cytological Images Segmentation cellulaire automatique à l'aide d'un modèle de classification de forme dans des images cytologiques colorées par immunohistochimie

Shishir SHAH

  • Vues en texte intégral

    0

  • Citer

Résumé:

Cet article présente une méthode de segmentation pour détecter les cellules dans des images cytologiques colorées par immunohistochimie. Une approche de segmentation en deux phases est utilisée dans laquelle une approche de regroupement non supervisée couplée à une fusion de clusters basée sur une fonction de fitness est utilisée comme première phase pour obtenir une première approximation des emplacements des cellules. Une approche conjointe de segmentation-classification intégrant l’ellipse comme modèle de forme est utilisée comme deuxième phase pour détecter le contour cellulaire final. Le modèle de segmentation estime une fonction de densité multivariée de caractéristiques d'image de bas niveau à partir d'échantillons d'apprentissage et l'utilise comme mesure de la probabilité que chaque pixel de l'image soit une cellule. Cette estimation est contrainte par l'ensemble de niveaux zéro, qui est obtenu comme solution à une représentation implicite d'une ellipse. Les résultats de la segmentation sont présentés et comparés aux mesures de vérité terrain.

Publication
IEICE TRANSACTIONS on Information Vol.E91-D No.7 pp.1955-1962
Date de publication
2008/07/01
Publicisé
ISSN en ligne
1745-1361
DOI
10.1093/ietisy/e91-d.7.1955
Type de manuscrit
Special Section PAPER (Special Section on Machine Vision and its Applications)
Catégories

Auteurs

Mots-clés

Table des matières