کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8408594 1545070 2017 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Mining textural knowledge in biological images: Applications, methods and trends
ترجمه فارسی عنوان
دانش بافتی معدنی در تصاویر بیولوژیکی: برنامه ها، روش ها و گرایش ها
کلمات کلیدی
تجزیه و تحلیل متنی، بیوگرافی، استخراج ویژگی های متنوع، طبقه بندی بافت، کدگذاری ویژگی، یادگیری عمیق،
ترجمه چکیده
تجزیه و تحلیل بافت یک وظیفه مهم در بسیاری از زمینه های دید کامپیوتر و تشخیص الگو، از جمله تصویربرداری بیولوژیکی است. در واقع، بافت بصری می تواند برای تشخیص بافت یا سلول های خاص در یک نمونه بیولوژیکی مورد استفاده قرار گیرد تا واکنش های شیمیایی بین مولکول ها را برجسته کند و همچنین الگوهای الگوهای زیر سلولی که می تواند شواهدی از آسیب های خاصی را تشخیص دهد. این باعث می شود تجزیه و تحلیل بافت خودکار در بسیاری از کاربردهای بیومدیکال، مانند تشخیص دقیق و درجه بندی چند نوع سرطان، تشخیص افتراقی بیماری های خود ایمنی یا مطالعه فیزیولوژیکی، بنیادی باشد. با توجه به مشخصات و چالش های خاص خود، طراحی سیستم های تجزیه و تحلیل بافت برای تصاویر بیولوژیکی در چند سال اخیر توجه بیشتری را جلب کرده است. در این مقاله، بررسی انتقادی از این موضوع مهم را انجام می دهیم. اولا، ما یک تعریف عمومی از تجزیه بافت ارائه می دهیم و نقش آن را در زمینه نمایش زیست محیطی با نمونه هایی از برنامه های کاربردی از ادبیات اخیر بررسی می کنیم. سپس، رویکردهای اصلی تجزیه و تحلیل بافت خودکار را بررسی می کنیم، با توجه ویژه به روش های استخراج ویژگی ها و کد گذاری هایی که می توانند با موفقیت به تصاویر میکروسکوپ های سلول ها یا بافت ها اعمال شوند. هدف ما ارائه یک نظرسنجی از وضعیت هنر، و همچنین نگاهی اجمالی به روند جدید و آینده پژوهش در این زمینه است.
موضوعات مرتبط
علوم زیستی و بیوفناوری بیوشیمی، ژنتیک و زیست شناسی مولکولی بیوتکنولوژی یا زیست‌فناوری
پیش نمایش مقاله
دانش بافتی معدنی در تصاویر بیولوژیکی: برنامه ها، روش ها و گرایش ها
چکیده انگلیسی
Texture analysis is a major task in many areas of computer vision and pattern recognition, including biological imaging. Indeed, visual textures can be exploited to distinguish specific tissues or cells in a biological sample, to highlight chemical reactions between molecules, as well as to detect subcellular patterns that can be evidence of certain pathologies. This makes automated texture analysis fundamental in many applications of biomedicine, such as the accurate detection and grading of multiple types of cancer, the differential diagnosis of autoimmune diseases, or the study of physiological processes. Due to their specific characteristics and challenges, the design of texture analysis systems for biological images has attracted ever-growing attention in the last few years. In this paper, we perform a critical review of this important topic. First, we provide a general definition of texture analysis and discuss its role in the context of bioimaging, with examples of applications from the recent literature. Then, we review the main approaches to automated texture analysis, with special attention to the methods of feature extraction and encoding that can be successfully applied to microscopy images of cells or tissues. Our aim is to provide an overview of the state of the art, as well as a glimpse into the latest and future trends of research in this area.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computational and Structural Biotechnology Journal - Volume 15, 2017, Pages 56-67
نویسندگان
, ,