Sökning: onr:"swepub:oai:DiVA.org:uu-368015" >
Towards automated m...
Towards automated multiscale imaging and analysis in TEM : Glomerulus detection by fusion of CNN and LBP maps
-
- Wetzer, Elisabeth (författare)
- Uppsala universitet,Bildanalys och människa-datorinteraktion,Avdelningen för visuell information och interaktion,Methods in Image Data Analysis
-
- Lindblad, Joakim (författare)
- Uppsala universitet,Avdelningen för visuell information och interaktion,Bildanalys och människa-datorinteraktion,Mathematical Institute of Serbian Academy of Sciences and Arts, Belgrade, Serbia,Methods in Image Data Analysis
-
- Sintorn, Ida-Maria, 1976- (författare)
- Uppsala universitet,Avdelningen för visuell information och interaktion,Bildanalys och människa-datorinteraktion,Vironova AB, Stockholm, Sweden,Quantitative Microscopy
-
visa fler...
-
- Hultenby, Kjell (författare)
- Karolinska Institute
-
- Sladoje, Natasa (författare)
- Uppsala universitet,Avdelningen för visuell information och interaktion,Bildanalys och människa-datorinteraktion,Mathematical Institute of Serbian Academy of Sciences and Arts, Belgrade, Serbia,Methods in Image Data Analysis
-
visa färre...
-
(creator_code:org_t)
- 2019-01-23
- 2019
- Engelska.
-
Ingår i: Computer Vision. - Cham : Springer. - 9783030110239 - 9783030110246 ; , s. 465-475
- Relaterad länk:
-
https://eccv2018.org...
-
visa fler...
-
https://urn.kb.se/re...
-
https://doi.org/10.1...
-
visa färre...
Abstract
Ämnesord
Stäng
- Glomerulal structures in kidney tissue have to be analysed at a nanometer scale for several medical diagnoses. They are therefore commonly imaged using Transmission Electron Microscopy. The high resolution produces large amounts of data and requires long acquisition time, which makes automated imaging and glomerulus detection a desired option. This paper presents a deep learning approach for Glomerulus detection, using two architectures, VGG16 (with batch normalization) and ResNet50. To enhance the performance over training based only on intensity images, multiple approaches to fuse the input with texture information encoded in local binary patterns of different scales have been evaluated. The results show a consistent improvement in Glomerulus detection when fusing texture-based trained networks with intensity-based ones at a late classification stage.
Ämnesord
- NATURVETENSKAP -- Data- och informationsvetenskap -- Datorseende och robotik (hsv//swe)
- NATURAL SCIENCES -- Computer and Information Sciences -- Computer Vision and Robotics (hsv//eng)
- TEKNIK OCH TEKNOLOGIER -- Medicinteknik -- Medicinsk bildbehandling (hsv//swe)
- ENGINEERING AND TECHNOLOGY -- Medical Engineering -- Medical Image Processing (hsv//eng)
Nyckelord
- Texture Analysis
- Machine learning
- Glomerulus detection
- Transmission Electron Microscopy
- Convolutional Neural Networks
- Local binary patterns
- Digital pathology
- Computerized Image Processing
- Datoriserad bildbehandling
Publikations- och innehållstyp
- ref (ämneskategori)
- kon (ämneskategori)
Hitta via bibliotek
Till lärosätets databas