理解你所看到的在生物医学图像
近年来显著改善成像技术,导致更高的分辨率和更快的采集时间。单个细胞,组织和器官为全世界的医学专家提供无数的病人的健康状态信息在给定的时间。但是他们如何获得理解他们所看到的这些生物医学图像?
现状:耗时且容易出错
让这些大容量图像可能透露自己的真实信息,手动segmentation-whereby数字图像分为不同的部分启用或促进分析通常需要。等标签,比如“背景”或“对象”,被分配到不同的间隔感兴趣的各种结构内部的三维体积。这是紧随其后的是标签之间的插值pre-segmented片,价值观在未知点估计利用已知的数据。在这个过程中,底层的图像数据通常不考虑在内,因此插值是完全基于分段片。因此,只有一小部分真正的实验信息是用来推导出分割。
“手动分割的大型生物医学数据集的未知成分往往是非常耗时且容易出错。分析三维图像数据,手动分割仍然是一个非常普遍的方法。事实上,机构雇佣军队训练有素的学生只是为了这个任务,”菲利普说无用之人从研究小组”数据挖掘和不确定性量化”(DMQ)来袭,Biomedisa开发。
Biomedisa:更快,用户友好的,和更准确
这就是生物医学图像分割应用Biomedisa (biomedisa.org),一个免费的和易于使用的开源在线平台对于半自动分割特别发达。稀疏的分割是基于智能插值pre-segmented切片考虑完整的底层图像数据。这使得Biomedisa尤其有价值的先验知识是可用的。“Biomedisa可以加速分割过程极大,同时提供比手动分割更准确的结果,”托马斯·范·德·坎普(工具包)说,生物学家和痛苦的经历在手动图像分割提供微ct数据和评估Biomedisa在其发展。
平台可通过web浏览器,不需要复杂和繁琐的配置软件和模型参数。一键解决方案可用于不同的3 d成像模式和各种生物医学应用。
“我们的明确的目标,总结了文森特Heuveline,海德堡大学计算中心主任(URZ)和DMQ组长在支安打,“是创建一个广泛适用的用户友好的工具来加速的未知样品形态的分割,同时改善结果。”
“Biomedisa是一个软件,直接从好处GPU(图形处理器)技术的最新发展。hardware-aware设计利用图形加速器来处理不断增加的图像数据,”菲利普无用之人。
在全自动分割的方法
此外,Biomedisa提供一系列的其他功能,如删除离群值或孔的填充,表面可光滑和不确定性所获得的结果是可以量化的。此外,数据可以与三维可视化渲染软件,并与其他用户共享。
最后但并非最不重要,Biomedisa使机器学习技术通过训练神经网络。这种技术可以让一个完全自动的分割当大量的类似的结构,如人类的心脏,是分段。因此,它允许基于特定病人的心脏模型数值模拟,从而帮助临床医生手术规划和决策。
所有这些特性相结合使Biomedisa的理想平台,所有这些人一幅值超过一千个单词。
进一步探索
用户评论