Descargar la presentación
La descarga está en progreso. Por favor, espere
Publicada porAldonza Borja Modificado hace 9 años
1
Análisis de Imágenes de Biopsia de Músculo de Ratón
Abraham Peña Hoyos Carmen Cruz Ramos Molinero
2
Segmentación celular Células musculares De humano
3
Segmentación celular Células de ratón
4
¿Para que sirve? Enfermedades del tejido conectivo y de los vasos sanguíneos (como la poliarteritis nodosa) Infecciones que afectan los músculos (como la triquinosis o la toxoplasmosis) Trastornos musculares como distrofia muscular o miopatía congénita Defectos metabólicos del músculo
5
Experimentación 2 método Segmentación general
Segmentación de células rojas
6
Segmentación general No diferenciaremos Entre células lentas Y rápidas
7
Segmentación general Color Balance: resaltamos canal verde
8
Segmentación general Separamos los 3 canales RGB
9
Segmentación general Filtro Gaussiano al canal verde: suaviza imperfecciones y suciedades
10
Segmentación general Transformamos la imagen de escala de grises a imagen binaria
11
Segmentación general Filtro de mínimos y máximos para quitar suciedades y suavizar los bordes
12
Segmentación general Fill holes: rellena los huecos 4-adyancentes de las células.
13
Segmentación general Analyze Particles: resalta, enumera y añade características a las células.
14
Segmentación células rojas
Queremos obtener las características de las células rojas
15
Segmentación células rojas
Separamos 3 canales (sin aumentar el canal verde)
16
Segmentación células rojas
Transformamos la imagen en escala de grises a imagen binaria.
17
Segmentación células rojas
Filtro de mínimos y máximos para quitar suciedades y suavizar los bordes
18
Segmentación células rojas
Fill holes: rellena los huecos 4-adyancentes de las células.
19
Segmentación células rojas
Analyze Particles: resalta, enumera y añade características a las células.
20
ImageJ y Macros ImageJ es un programa de procesamiento de imagen digital de dominio público programado en Java desarrollado en el National Institutes of Health. ImageJ fue diseñado con una arquitectura abierta que proporciona extensibilidad vía plugins Java y macros (macroinstrucciones) grabables. La arquitectura de plugins y entorno de desarrollo integrados de ImageJ lo han convertido en una plataforma popular para enseñar procesamiento de imagen.
21
Arrancar un macro
22
Ventajas Macros Son llamadas a instrucciones ¡¡Mucho más rápido que
run("Split Channels"); close(); //run("Threshold..."); setAutoThreshold("Default dark"); setThreshold(101, 255); run("Convert to Mask"); run("Minimum...", "radius=10"); run("Maximum...", "radius=10"); run("Fill Holes"); run("Analyze Particles...", "size=30-Infinity circularity= show=Nothing display exclude clear summarize add"); roiManager("Show All with labels"); roiManager("Show All"); roiManager("Select", 6); Son llamadas a instrucciones ¡¡Mucho más rápido que un plugin!!
23
¿Qué hemos aprendido? Otro campo científico «Multidisciplinar»
Nuevas herramientas (ImageJ) Recordar conceptos de Java y C++ Buscar más allá de que se aplica Ver la potencia de filtros y algoritmos de PID
24
¿Preguntas?
25
¡¡Gracias!!
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.