Bij biologisch onderzoek wordt uitgebreid gebruik gemaakt van beelden om de groei, dynamiek en verandering van specimen, zoals cellen of planten, op te volgen. Veel van deze beelden worden gebruikt voor observatie of worden manueel geannoteerd.
In deze verhandeling hebben we verschillende methoden onderzocht die het annoteren en de analyse van biologische beelden automatiseren. Twee grote groepen van methoden zijn bestudeerd.
Een eerste groep van methoden focust op het automatisch herkennen van relevante objecten in biologische beelden, zoals individuele cellen in microscopiebeelden. Omdat deze methoden nuttig moeten zijn voor verschillende toepassingen, bv. voor het detecteren en omlijnen van verschillende objecten (cellen, planten,
) in verschillende typen beelden (verschillende typen microscopen,
), moeten deze methoden eenvoudig aan te passen zijn. Om die reden hebben we een methodologie ontwikkeld gebaseerd op kansrekening, waarbij alle benodigde parameters eenvoudig in te stellen zijn door een bioloog, zonder dat er kennis vereist is over de technische werking van de eigenlijke software.
Een tweede groep van technieken focust op de analyse van vormen. Door het definiëren van vormbeschrijvende kenmerken, zijn we in staat om automatisch vormen te classificeren, gelijkaardige vormen uit een database te herkennen en zelfs te analyseren hoe een vorm evolueert door de tijd.
| |