uu.seUppsala universitets publikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Global Gray-level Thresholding Based on Object Size
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. (Quantitative Microscopy)ORCID-id: 0000-0002-6699-4015
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. (Quantitative Microscopy)
2016 (Engelska)Ingår i: Cytometry Part A, ISSN 1552-4922, E-ISSN 1552-4930, Vol. 89A, nr 4, s. 385-390Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

In this article, we propose a fast and robust global gray-level thresholding method based on object size, where the selection of threshold level is based on recall and maximum precision with regard to objects within a given size interval. The method relies on the component tree representation, which can be computed in quasi-linear time. Feature-based segmentation is especially suitable for biomedical microscopy applications where objects often vary in number, but have limited variation in size. We show that for real images of cell nuclei and synthetic data sets mimicking fluorescent spots the proposed method is more robust than all standard global thresholding methods available for microscopy applications in ImageJ and CellProfiler. The proposed method, provided as ImageJ and CellProfiler plugins, is simple to use and the only required input is an interval of the expected object sizes.

Ort, förlag, år, upplaga, sidor
John Wiley & Sons, 2016. Vol. 89A, nr 4, s. 385-390
Nyckelord [en]
pattern recognition, automated, algorithms, microscopy
Nationell ämneskategori
Medicinsk bildbehandling
Forskningsämne
Datoriserad bildbehandling
Identifikatorer
URN: urn:nbn:se:uu:diva-275180DOI: 10.1002/cyto.a.22806ISI: 000374730400008PubMedID: 26800009OAI: oai:DiVA.org:uu-275180DiVA, id: diva2:899146
Forskningsfinansiär
Science for Life Laboratory - a national resource center for high-throughput molecular bioscienceeSSENCE - An eScience CollaborationVetenskapsrådet, 2012-4968Tillgänglig från: 2016-02-01 Skapad: 2016-02-01 Senast uppdaterad: 2017-11-30Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextPubMed

Personposter BETA

Ranefall, PetterWählby, Carolina

Sök vidare i DiVA

Av författaren/redaktören
Ranefall, PetterWählby, Carolina
Av organisationen
Bildanalys och människa-datorinteraktionScience for Life Laboratory, SciLifeLab
I samma tidskrift
Cytometry Part A
Medicinsk bildbehandling

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
pubmed
urn-nbn

Altmetricpoäng

doi
pubmed
urn-nbn
Totalt: 303 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf