Digitale Verarbeitung von zytogenetischen Bildern für die Klassifizierung - Vera Laceiras, Silvia
60,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Wir stellen die Entwicklung eines Bioinformatik-Tools vor, das die Erkennung von DNA-Nukleoiden (mit Köpfen und Schwänzen) in der Fluoreszenz durch Bilderkennung und ihre anschließende Klassifizierung nach der Comet-Assay-Technik ermöglicht. Ziel ist es, ihre Lagerung zu automatisieren und zu verwalten und die Abläufe im zytogenetischen Labor zu optimieren. Zu diesem Zweck werden mögliche Methoden bewertet und solche ausgewählt, die mathematische und rechnerische Algorithmen, neuronale Netze und Neuro-Fuzzy-Systeme kombinieren. Die entwickelte Methode führt die Erkennung und Segmentierung in…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Wir stellen die Entwicklung eines Bioinformatik-Tools vor, das die Erkennung von DNA-Nukleoiden (mit Köpfen und Schwänzen) in der Fluoreszenz durch Bilderkennung und ihre anschließende Klassifizierung nach der Comet-Assay-Technik ermöglicht. Ziel ist es, ihre Lagerung zu automatisieren und zu verwalten und die Abläufe im zytogenetischen Labor zu optimieren. Zu diesem Zweck werden mögliche Methoden bewertet und solche ausgewählt, die mathematische und rechnerische Algorithmen, neuronale Netze und Neuro-Fuzzy-Systeme kombinieren. Die entwickelte Methode führt die Erkennung und Segmentierung in den folgenden Schritten durch:Das Rohbild wird vorverarbeitet und zunächst segmentiert. Die erhaltenen Fragmente werden von neuronalen Netzen in drei Gruppen eingeteilt: Kopf, Schwanz und Hintergrund. Schließlich werden die Köpfe oder Kerne und Schwänze gemessen und erneut analysiert, wobei sie nach ihrem Verhältnis klassifiziert werden. Dieser Prozess der Erkennung, Segmentierung und Klassifizierung wurde anhand einer Fallstudie mit zytogenetischen Bildern in einem Komet-Assay des Labors für allgemeine Zytogenetik und Umweltüberwachung des Instituts für subtropische Biologie UNaM-IBS-CONICET getestet.
Autorenporträt
Master en technologies de l'information (UNaM-UNNE)Diplôme en systèmes d'information (UNIVERSIDAD DEL SALVADOR).Expertise en traitement des images numériques, imagerie satellitaire, réseaux neuronaux, logique floue, science des données.