Trabajo PID Análisis de imágenes de biopsias de músculo humano. Segmentación de células para construir un grafo a partir de las adyacencias entre ellas.

Presentación del tema: "Trabajo PID Análisis de imágenes de biopsias de músculo humano. Segmentación de células para construir un grafo a partir de las adyacencias entre ellas."— Transcripción de la presentación:

1 Trabajo PID Análisis de imágenes de biopsias de músculo humano. Segmentación de células para construir un grafo a partir de las adyacencias entre ellas. Pedro Varo Herrero Jonathan Benavides Vallejo Francisco Martín Guareño

2 Índice Introducción Segmentación Reconocimiento de células
Generación del grafo Interfaz de usuario Conclusiones

3 Introducción

4 Introducción ImageJ es un programa multiplataforma escrito en java, es simple de usar y se adapta perfectamente a las necesidades de cada usuario ya que ha sido creado en base a plugins que podremos ir añadiendo o quitando en base a nuestras necesidades. Permite realizar operaciones en imagenes tanto sencillas como complejas, desde ajustar el contraste hasta la identificación de células con sus propiedades.

5 Segmentación

6 Segmentación Modificamos Contraste y Brillo del color verde de la imagen. Nos quedamos con el canal verde. Umbralización y binarización. Erosión y Dilatación.

7 Segmentación Modificamos Contraste y Brillo del color verde de la imagen. Aumentamos los valores de los pixeles de color verde.

8 Segmentación Nos quedamos con el canal verde. Así todo lo verde se
queda “blanco”.

9 Segmentación Umbralización y binarización.
De 0 hasta umbral lo ponemos negro y el resto blanco.

10 Segmentación Erosión y Dilatación. Con la erosión, quitamos
el colágeno entre las células y con la dilatación recuperamos la forma de la célula.

11 Reconocimiento de células
Para el reconocimiento de células escaneamos la imagen hasta que encuentre el borde de un objeto.

12 Generación del grafo Para generar el grafo, primero tenemos que averiguar las células vecinas de cada una, y una vez hecho esto, el grafo es directo. Para encontrar las células vecinas hemos encontrados varios métodos: Diagramas de voronoi Triangulación de Delaunay Por “fuerza bruta”

13 Generación del grafo Ejemplo de un grafo obtenido.

14 Interfaz de usuario Para la utilización de nuestros algoritmos hemos creado una interfaz, con la que podemos interactuar de forma automática o manual. Autoejecución Dando clic en éste botón ejecutamos todos los pasos de forma automática.

15 Interfaz: paso a paso Apertura de archivo
Aumento de brillo y contraste (se aumenta el verde) División del modelo RGB (se selecciona el canal verde) Umbralización Aplicación de morfología de grises, se usa un elemento estructural circular, se pide el radio. (erosión, se aplican 3) Aplicación de morfología de grises, se usa un elemento estructural circular, se pide el radio. (dilatación, se aplican 3) Análisis de partículas Creación del grafo Volver atrás (antes de última acción)

16 Conclusiones Nuestro plugins para Imagej segmenta de forma eficiente las imagenes de biopsias de músculos humanos a color en RGB. Una de las principales dificultades que nos hemos encontrado durante todo el desarrollo de nuestro plugins, ha sido la falta de detalles de implementación sobre plugins y macros de ImageJ en los documento de referencia. Por falta de tiempo y por la complicación que hemos tenido a la hora de sacar el grafo de las células, no hemos diferenciado las células rojas de las negras ya que esto no era el objetivo principal de nuestro trabajo. Además con el trabajo y la asignatura hemos aprendido mucho acerca del procesamiento de imágenes, geometría computacional y sobre la red que hay detrás del programa Imagej, al cual aportan personas de todo el mundo.

17 Gracias por vuestra atención.