uu.seUppsala universitets publikasjoner
Endre søk
Begrens søket
12 1 - 50 of 62
RefereraExporteraLink til resultatlisten
Permanent link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Treff pr side
  • 5
  • 10
  • 20
  • 50
  • 100
  • 250
Sortering
  • Standard (Relevans)
  • Forfatter A-Ø
  • Forfatter Ø-A
  • Tittel A-Ø
  • Tittel Ø-A
  • Type publikasjon A-Ø
  • Type publikasjon Ø-A
  • Eldste først
  • Nyeste først
  • Skapad (Eldste først)
  • Skapad (Nyeste først)
  • Senast uppdaterad (Eldste først)
  • Senast uppdaterad (Nyeste først)
  • Disputationsdatum (tidligste først)
  • Disputationsdatum (siste først)
  • Standard (Relevans)
  • Forfatter A-Ø
  • Forfatter Ø-A
  • Tittel A-Ø
  • Tittel Ø-A
  • Type publikasjon A-Ø
  • Type publikasjon Ø-A
  • Eldste først
  • Nyeste først
  • Skapad (Eldste først)
  • Skapad (Nyeste først)
  • Senast uppdaterad (Eldste først)
  • Senast uppdaterad (Nyeste først)
  • Disputationsdatum (tidligste først)
  • Disputationsdatum (siste først)
Merk
Maxantalet träffar du kan exportera från sökgränssnittet är 250. Vid större uttag använd dig av utsökningar.
  • 1.
    Adler, Jeremy
    et al.
    Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinsk cellbiologi.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Strand, Robin
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Parmryd, Ingela
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinsk cellbiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Conventional analysis of movement on non-flat surfaces like the plasma membrane makes Brownian motion appear anomalous2019Inngår i: Communications Biology, ISSN 2399-3642, Vol. 2, artikkel-id 12Artikkel i tidsskrift (Fagfellevurdert)
  • 2.
    Axelsson, Maria
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Sintorn, Ida-Maria
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Svensson, Stina
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Borgefors, Gunilla
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Individual pore segmentation in 3D volumes of fibrous materials2005Inngår i: SSBA Symposium on Image Analysis 2005, 2005Konferansepaper (Annet vitenskapelig)
  • 3. Bajic, Buda
    et al.
    Suveer, Amit
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Gupta, Anindya
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Pepic, Ivana
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Denoising of short exposure transmission electron microscopy images for ultrastructural enhancement2018Inngår i: Proc. 15th International Symposium on Biomedical Imaging, IEEE, 2018, s. 921-925Konferansepaper (Fagfellevurdert)
  • 4. Bernander, Karl B.
    et al.
    Gustavsson, Kenneth
    Selig, Bettina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Luengo Hendriks, Cris L.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Improving the stochastic watershed2013Inngår i: Pattern Recognition Letters, ISSN 0167-8655, E-ISSN 1872-7344, Vol. 34, nr 9, s. 993-1000Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    The stochastic watershed is an unsupervised segmentation tool recently proposed by Angulo and Jeulin. By repeated application of the seeded watershed with randomly placed markers, a probability density function for object boundaries is created. In a second step, the algorithm then generates a meaningful segmentation of the image using this probability density function. The method performs best when the image contains regions of similar size, since it tends to break up larger regions and merge smaller ones. We propose two simple modifications that greatly improve the properties of the stochastic watershed: (1) add noise to the input image at every iteration, and (2) distribute the markers using a randomly placed grid. The noise strength is a new parameter to be set, but the output of the algorithm is not very sensitive to this value. In return, the output becomes less sensitive to the two parameters of the standard algorithm. The improved algorithm does not break up larger regions, effectively making the algorithm useful for a larger class of segmentation problems.

  • 5.
    Borgefors, Gunilla
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Nyström, Ingela
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Sintorn, Ida-Maria
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Strand, Robin
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Wadelius, Lena
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Centre for Image Analysis Annual Report 20032004Rapport (Annet (populærvitenskap, debatt, mm))
  • 6.
    Christersson, Albert
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Ortopedi.
    Nysjö, Johan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Berglund, Lars
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska och farmaceutiska vetenskapsområdet, centrumbildningar mm, Uppsala kliniska forskningscentrum (UCR).
    Malmberg, Filip
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Radiologi.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Nyström, Ingela
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Larsson, Sune
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Ortopedi.
    Comparison of 2D radiography and a semi-automatic CT-based 3D method for measuring change in dorsal angulation over time in distal radius fractures2016Inngår i: Skeletal Radiology, ISSN 0364-2348, E-ISSN 1432-2161, Vol. 45, nr 6, s. 763-769Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Objective The aim of the present study was to compare the reliability and agreement between a computer tomography-based method (CT) and digitalised 2D radiographs (XR) when measuring change in dorsal angulation over time in distal radius fractures. Materials and methods Radiographs from 33 distal radius fractures treated with external fixation were retrospectively analysed. All fractures had been examined using both XR and CT at six times over 6 months postoperatively. The changes in dorsal angulation between the first reference images and the following examinations in every patient were calculated from 133 follow-up measurements by two assessors and repeated at two different time points. The measurements were analysed using Bland-Altman plots, comparing intra- and inter-observer agreement within and between XR and CT. Results The mean differences in intra- and inter-observer measurements for XR, CT, and between XR and CT were close to zero, implying equal validity. The average intra- and inter-observer limits of agreement for XR, CT, and between XR and CT were +/- 4.4 degrees, +/- 1.9 degrees and +/- 6.8 degrees respectively. Conclusions For scientific purpose, the reliability of XR seems unacceptably low when measuring changes in dorsal angulation in distal radius fractures, whereas the reliability for the semi-automatic CT-based method was higher and is therefore preferable when a more precise method is requested.

  • 7.
    Gupta, Anindya
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Harrison, Philip J.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap.
    Wieslander, Håkan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Pielawski, Nicolas
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Kartasalo, Kimmo
    Partel, Gabriele
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Solorzano, Leslie
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Suveer, Amit
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Klemm, Anna H.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Spjuth, Ola
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Deep Learning in Image Cytometry: A Review2019Inngår i: Cytometry Part A, ISSN 1552-4922, E-ISSN 1552-4930, Vol. 95, nr 6, s. 366-380Artikkel, forskningsoversikt (Fagfellevurdert)
  • 8.
    Gupta, Anindya
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Saar, Tonis
    Tallinn University of Technology.
    Martens, Olev
    Tallinn University of Technology.
    Le Moullec, Yannick
    Tallinn University of Technology.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Detection of pulmonary micronodules in computed tomography images and false positive reduction using 3D convolutional neural networks2019Inngår i: International journal of imaging systems and technology (Print), ISSN 0899-9457, E-ISSN 1098-1098, ISSN 0899-9457Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Manual detection of small uncalcified pulmonary nodules (diameter <4 mm) in thoracic computed tomography (CT) scans is a tedious and error‐prone task. Automatic detection of disperse micronodules is, thus, highly desirable for improved characterization of the fatal and incurable occupational pulmonary diseases. Here, we present a novel computer‐assisted detection (CAD) scheme specifically dedicated to detect micronodules. The proposed scheme consists of a candidate‐screening module and a false positive (FP) reduction module. The candidate‐screening module is initiated by a lung segmentation algorithm and is followed by a combination of 2D/3D features‐based thresholding parameters to identify plausible micronodules. The FP reduction module employs a 3D convolutional neural network (CNN) to classify each identified candidate. It automatically encodes the discriminative representations by exploiting the volumetric information of each candidate. A set of 872 micro‐nodules in 598 CT scans marked by at least two radiologists are extracted from the Lung Image Database Consortium and Image Database Resource Initiative to test our CAD scheme. The CAD scheme achieves a detection sensitivity of 86.7% (756/872) with only 8 FPs/scan and an AUC of 0.98. Our proposed CAD scheme efficiently identifies micronodules in thoracic scans with only a small number of FPs. Our experimental results provide evidence that the automatically generated features by the 3D CNN are highly discriminant, thus making it a well‐suited FP reduction module of a CAD scheme.

  • 9.
    Gupta, Anindya
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Suveer, Amit
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Bajic, Buda
    Faculty of Technical Sciences, University of Novi Sad, Serbia.
    Pepic, Ivana
    Faculty of Technical Sciences, University of Novi Sad, Serbia.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Denoising of Short Exposure Transmission Electron Microscopy Images using CNN2018Inngår i: Swedish Symposium on Image Analysis, 2018Konferansepaper (Annet vitenskapelig)
  • 10. Gupta, Anindya
    et al.
    Suveer, Amit
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Dragomir, Anca
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Klinisk och experimentell patologi.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    False positive reduction of cilia detected in low resolution TEM images using a convolutional neural network2017Inngår i: Swedish Symposium on Image Analysis, Swedish Society for Automated Image Analysis , 2017Konferansepaper (Annet vitenskapelig)
  • 11.
    Gupta, Anindya
    et al.
    Tallinn Univ Technol, TJ Seebeck Dept Elect, Tallinn, Estonia.
    Suveer, Amit
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Serbian Acad Arts & Sci, Math Inst, Belgrade, Serbia.
    Dragomir, Anca
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Klinisk och experimentell patologi.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Vironova AB, Stockholm, Sweden.
    Sladoje, Nataša
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Serbian Acad Arts & Sci, Math Inst, Belgrade, Serbia.
    Convolutional neural networks for false positive reduction of automatically detected cilia in low magnification TEM images2017Inngår i: Image Analysis: Part I, Springer, 2017, s. 407-418Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Automated detection of cilia in low magnification transmission electron microscopy images is a central task in the quest to relieve the pathologists in the manual, time consuming and subjective diagnostic procedure. However, automation of the process, specifically in low magnification, is challenging due to the similar characteristics of non-cilia candidates. In this paper, a convolutional neural network classifier is proposed to further reduce the false positives detected by a previously presented template matching method. Adding the proposed convolutional neural network increases the area under Precision-Recall curve from 0.42 to 0.71, and significantly reduces the number of false positive objects.

  • 12.
    Hast, Anders
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Kylberg, Gustav
    Vironova AB, Stockholm, Sweden.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Vironova AB, Stockholm, Sweden.
    An efficient descriptor based on radial line integration for fast non invariant matching and registration of microscopy images2017Inngår i: Advanced Concepts for Intelligent Vision Systems, Springer, 2017, s. 723-734Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Descriptors such as SURF and SIFT contain a framework for handling rotation and scale invariance, which generally is not needed when registration and stitching of images in microscopy is the focus. Instead speed and efficiency are more important factors. We propose a descriptor that performs very well for these criteria, which is based on the idea of radial line integration. The result is a descriptor that outperforms both SURF and SIFT when it comes to speed and the number of inliers, even for rather short descriptors.

  • 13.
    Hast, Anders
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sablina, Victoria A.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Kylberg, Gustaf
    A fast Fourier based feature descriptor and a cascade nearest neighbour search with an efficient matching pipeline for mosaicing of microscopy images2018Inngår i: Pattern Recognition and Image Analysis, ISSN 1054-6618, Vol. 28, nr 2, s. 261-272Artikkel i tidsskrift (Fagfellevurdert)
  • 14.
    Hast, Anders
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sablina, Victoria
    Kylberg, Gustav
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    A Simple and Efficient Feature Descriptor for Fast Matching2015Inngår i: WSCG / [ed] V. Skala, 2015, s. 135-142Konferansepaper (Fagfellevurdert)
  • 15.
    Höglund, Stefan
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Kemiska sektionen, Institutionen för fotokemi och molekylärvetenskap. Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Su, Jin
    Sundin Reneby, Sara
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Kemiska sektionen, Institutionen för fotokemi och molekylärvetenskap. Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Végvári, Ákos
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Kemiska sektionen, Institutionen för fotokemi och molekylärvetenskap. Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Hjertén, Stellan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Kemiska sektionen, Institutionen för fotokemi och molekylärvetenskap. Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Sintorn, Ida-Maria
    Fakultetsövergripande enheter, Centrum för bildanalys. Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Foster, Hillary
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Kemiska sektionen, Institutionen för fotokemi och molekylärvetenskap. Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Wu, Yi-Ping
    Nyström, Ingela
    Fakultetsövergripande enheter, Centrum för bildanalys. Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Vahlne, Anders
    Tripeptide Interference with Human Immunodeficiency Virus Type 1 Morphogenesis2002Inngår i: Antimicrobial Agents and Chemotherapy, Vol. 46, nr 11, s. 3597-3605Artikkel i tidsskrift (Fagfellevurdert)
  • 16.
    Kylberg, Gustaf
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    A Note on: Invariant Features, Overfitting and Generalization Performance in Texture RecognitionManuskript (preprint) (Annet vitenskapelig)
  • 17.
    Kylberg, Gustaf
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Comparing Rotation Invariance and Interpolation Methods in Texture Recognition Based on Local Binary Pattern FeaturesArtikkel i tidsskrift (Fagfellevurdert)
  • 18.
    Kylberg, Gustaf
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Evaluation of noise robustness for local binary pattern descriptors in texture classification2013Inngår i: EURASIP Journal on Image and Video Processing, ISSN 1687-5176, E-ISSN 1687-5281, nr 17Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Local binary pattern (LBP) operators have become commonly used texture descriptors in recent years. Several new LBP-based descriptors have been proposed, of which some aim at improving robustness to noise. To do this, the thresholding and encoding schemes used in the descriptors are modified. In this article, the robustness to noise for the eight following LBP-based descriptors are evaluated; improved LBP, median binary patterns (MBP), local ternary patterns (LTP), improved LTP (ILTP), local quinary patterns, robust LBP, and fuzzy LBP (FLBP). To put their performance into perspective they are compared to three well-known reference descriptors; the classic LBP, Gabor filter banks (GF), and standard descriptors derived from gray-level co-occurrence matrices. In addition, a roughly five times faster implementation of the FLBP descriptor is presented, and a new descriptor which we call shift LBP is introduced as an even faster approximation to the FLBP. The texture descriptors are compared and evaluated on six texture datasets; Brodatz, KTH-TIPS2b, Kylberg, Mondial Marmi, UIUC, and a Virus texture dataset. After optimizing all parameters for each dataset the descriptors are evaluated under increasing levels of additive Gaussian white noise. The discriminating power of the texture descriptors is assessed using tenfolded cross-validation of a nearest neighbor classifier. The results show that several of the descriptors perform well at low levels of noise while they all suffer, to different degrees, from higher levels of introduced noise. In our tests, ILTP and FLBP show an overall good performance on several datasets. The GF are often very noise robust compared to the LBP-family under moderate to high levels of noise but not necessarily the best descriptor under low levels of added noise. In our tests, MBP is neither a good texture descriptor nor stable to noise.

  • 19.
    Kylberg, Gustaf
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Exploring Filter Banks Based on Orthogonal Moments for Texture RecognitionManuskript (preprint) (Annet vitenskapelig)
  • 20. Kylberg, Gustaf
    et al.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    On the influence of interpolation method on rotation invariance in texture recognition2016Inngår i: EURASIP Journal on Image and Video Processing, ISSN 1687-5176, E-ISSN 1687-5281, Vol. 2016, artikkel-id 17Artikkel i tidsskrift (Fagfellevurdert)
  • 21.
    Kylberg, Gustaf
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Refinement of Segmented Virus Particel Candidates in TEM Images2011Konferansepaper (Annet vitenskapelig)
  • 22.
    Kylberg, Gustaf
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Uppström, Mats
    Hedlund, Kjell-Olof
    Borgefors, Gunilla
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Segmentation of virus particle candidates in transmission electron microscopy images2012Inngår i: Journal of Microscopy, ISSN 0022-2720, E-ISSN 1365-2818, Vol. 245, nr 2, s. 140-147Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    In this paper, we present an automatic segmentation method that detects virus particles of various shapes in transmission electron microscopy images. The method is based on a statistical analysis of local neighbourhoods of all the pixels in the image followed by an object width discrimination and finally, for elongated objects, a border refinement step. It requires only one input parameter, the approximate width of the virus particles searched for. The proposed method is evaluated on a large number of viruses. It successfully segments viruses regardless of shape, from polyhedral to highly pleomorphic.

  • 23.
    Kylberg, Gustaf
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Uppström, Mats
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Virus texture analysis using local binary patterns and radial density profiles2011Inngår i: Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications / [ed] San Martin, César; Kim, Sang-Woon, Springer Berlin/Heidelberg, 2011, s. 573-580Konferansepaper (Fagfellevurdert)
    Abstract [en]

    We investigate the discriminant power of two local and two global texture measures on virus images. The viruses are imaged using negative stain transmission electron microscopy. Local binary patterns and a multi scale extension are compared to radial density profiles in the spatial domain and in the Fourier domain. To assess the discriminant potential of the texture measures a Random Forest classifier is used. Our analysis shows that the multi scale extension performs better than the standard local binary patterns and that radial density profiles in comparison is a rather poor virus texture discriminating measure. Furthermore, we show that the multi scale extension and the profiles in Fourier domain are both good texture measures and that they complement each other well, that is, they seem to detect different texture properties. Combining the two, hence, improves the discrimination between virus textures.

  • 24.
    Lidayová, Kristína
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Gupta, Anindya
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för beräkningsvetenskap.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Smedby, Örjan
    Classification of cross-sections for vascular skeleton extraction using convolutional neural networks2017Inngår i: Medical Image Understanding and Analysis, Springer, 2017, s. 182-194Konferansepaper (Fagfellevurdert)
    Abstract
  • 25.
    Lindblad, Joakim
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Suveer, Amit
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Dragomir, Anca
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    High-resolution reconstruction by feature distance minimization from multiple views of an object2015Inngår i: Proc. 5th International Conference on Image Processing Theory, Tools and Applications, Piscataway, NJ: IEEE , 2015, s. 29-34Konferansepaper (Fagfellevurdert)
    Abstract [en]

    We present a method which utilizes advantages of fuzzy object representations and image processing techniques adjusted to them, to further increase efficient utilization of image information. Starting from a number of low-resolution images of affine transformations of an object, we create its suitably defuzzified high-resolution reconstruction. We evaluate the proposed method on synthetic data, observing its performance w.r.t. noise sensitivity, influence of the number of used low-resolution images, sensitivity to object variation and to inaccurate registration. Our aim is to explore applicability of the method to real image data acquired by Transmission Electron Microscopy, in a biomedical application we are currently working on.

  • 26.
    Majda, Mateusz
    et al.
    Swedish Univ Agr Sci, Dept Forest Genet & Plant Physiol, UPSC, S-90183 Umea, Sweden..
    Grones, Peter
    Swedish Univ Agr Sci, Dept Forest Genet & Plant Physiol, UPSC, S-90183 Umea, Sweden..
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Vain, Thomas
    Swedish Univ Agr Sci, Dept Forest Genet & Plant Physiol, UPSC, S-90183 Umea, Sweden..
    Milani, Pascale
    Univ Lyon, ENS Lyon, UCB Lyon 1, Lab Reprod & Dev Plantes,CNRS,INRA, F-69342 Lyon, France..
    Krupinski, Pawel
    Lund Univ, Dept Astron & Theoret Phys, Computat Biol & Biol Phys, Solvegatan 14A, S-22362 Lund, Sweden..
    Zagorska-Marek, Beata
    Univ Wroclaw, Inst Expt Biol, Dept Plant Dev Biol, Kanonia 6-8, PL-50328 Wroclaw, Poland..
    Viotti, Corrado
    Umea Univ, Dept Plant Physiol, UPSC, S-90187 Umea, Sweden.;Univ Potsdam, Inst Biochem & Biol, Plant Physiol, D-14476 Potsdam, Germany..
    Jonsson, Henrik
    Lund Univ, Dept Astron & Theoret Phys, Computat Biol & Biol Phys, Solvegatan 14A, S-22362 Lund, Sweden.;Univ Cambridge, Sainsbury Lab, Bateman St, Cambridge CB2 1LR, England.;Univ Cambridge, Dept Math & Theoret Phys, Cambridge CB3 0WA, England..
    Mellerowicz, Ewa J.
    Swedish Univ Agr Sci, Dept Forest Genet & Plant Physiol, UPSC, S-90183 Umea, Sweden..
    Hamant, Olivier
    Univ Lyon, ENS Lyon, UCB Lyon 1, Lab Reprod & Dev Plantes,CNRS,INRA, F-69342 Lyon, France..
    Robert, Stephanie
    Swedish Univ Agr Sci, Dept Forest Genet & Plant Physiol, UPSC, S-90183 Umea, Sweden..
    Mechanochemical Polarization of Contiguous Cell Walls Shapes Plant Pavement Cells2017Inngår i: Developmental Cell, ISSN 1534-5807, E-ISSN 1878-1551, Vol. 43, nr 3, s. 290-304Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    The epidermis of aerial plant organs is thought to be limiting for growth, because it acts as a continuous load-bearing layer, resisting tension. Leaf epidermis contains jigsaw puzzle piece-shaped pavement cells whose shape has been proposed to be a result of subcellular variations in expansion rate that induce local buckling events. Paradoxically, such local compressive buckling should not occur given the tensile stresses across the epidermis. Using computational modeling, we show that the simplest scenario to explain pavement cell shapes within an epidermis under tension must involve mechanical wall heterogeneities across and along the anticlinal pavement cell walls between adjacent cells. Combining genetics, atomic force microscopy, and immunolabeling, we demonstrate that contiguous cell walls indeed exhibit hybrid mechanochemical properties. Such biochemical wall heterogeneities precede wall bending. Altogether, this provides a possible mechanism for the generation of complex plant cell shapes.

  • 27.
    Matuszewski, Damian J.
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Science for Life Laboratory, Uppsala, Sweden.
    Hast, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    A short feature vector for image matching: The Log-Polar Magnitude feature descriptor2017Inngår i: PLoS ONE, ISSN 1932-6203, E-ISSN 1932-6203, Vol. 12, nr 11, artikkel-id e0188496Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    The choice of an optimal feature detector-descriptor combination for image matching often depends on the application and the image type. In this paper, we propose the Log-Polar Magnitude feature descriptor—a rotation, scale, and illumination invariant descriptor that achieves comparable performance to SIFT on a large variety of image registration problems but with much shorter feature vectors. The descriptor is based on the Log-Polar Transform followed by a Fourier Transform and selection of the magnitude spectrum components. Selecting different frequency components allows optimizing for image patterns specific for a particular application. In addition, by relying only on coordinates of the found features and (optionally) feature sizes our descriptor is completely detector independent. We propose 48- or 56-long feature vectors that potentially can be shortened even further depending on the application. Shorter feature vectors result in better memory usage and faster matching. This combined with the fact that the descriptor does not require a time-consuming feature orientation estimation (the rotation invariance is achieved solely by using the magnitude spectrum of the Log-Polar Transform) makes it particularly attractive to applications with limited hardware capacity. Evaluation is performed on the standard Oxford dataset and two different microscopy datasets; one with fluorescence and one with transmission electron microscopy images. Our method performs better than SURF and comparable to SIFT on the Oxford dataset, and better than SIFT on both microscopy datasets indicating that it is particularly useful in applications with microscopy images.

  • 28.
    Matuszewski, Damian J.
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Minimal annotation training for segmentation of microscopy images2018Inngår i: Proc. 15th International Symposium on Biomedical Imaging, IEEE, 2018, s. 387-390Konferansepaper (Fagfellevurdert)
  • 29.
    Matuszewski, Damian J.
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Vironova AB, Gavlegatan 22, Stockholm, Sweden.
    Reducing the U-Net size for practical scenarios: Virus recognition in electron microscopy images2019Inngår i: Computer Methods and Programs in Biomedicine, ISSN 0169-2607, E-ISSN 1872-7565, Vol. 178, s. 31-39Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Background and objective: Convolutional neural networks (CNNs) offer human experts-like performance and in the same time they are faster and more consistent in their prediction. However, most of the proposed CNNs require an expensive state-of-the-art hardware which substantially limits their use in practical scenarios and commercial systems, especially for clinical, biomedical and other applications that require on-the-fly analysis. In this paper, we investigate the possibility of making CNNs lighter by parametrizing the architecture and decreasing the number of trainable weights of a popular CNN: U-Net. Methods: In order to demonstrate that comparable results can be achieved with substantially less trainable weights than the original U-Net we used a challenging application of a pixel-wise virus classification in Transmission Electron Microscopy images with minimal annotations (i.e. consisting only of the virus particle centers or centerlines). We explored 4 U-Net hyper-parameters: the number of base feature maps, the feature maps multiplier, the number of the encoding-decoding levels and the number of feature maps in the last 2 convolutional layers. Results: Our experiments lead to two main conclusions: 1) the architecture hyper-parameters are pivotal if less trainable weights are to be used, and 2) if there is no restriction on the trainable weights number using a deeper network generally gives better results. However, training larger networks takes longer, typically requires more data and such networks are also more prone to overfitting. Our best model achieved an accuracy of 82.2% which is similar to the original U-Net while using nearly 4 times less trainable weights (7.8 M in comparison to 31.0 M). We also present a network with < 2M trainable weights that achieved an accuracy of 76.4%. Conclusions: The proposed U-Net hyper-parameter exploration can be adapted to other CNNs and other applications. It allows a comprehensive CNN architecture designing with the aim of a more efficient trainable weight use. Making the networks faster and lighter is crucial for their implementation in many practical applications. In addition, a lighter network ought to be less prone to over-fitting and hence generalize better. (C) 2019 Published by Elsevier B.V.

  • 30.
    Matuszewski, Damian J.
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Puigvert, Jordi Carreras
    Uppsala universitet, Science for Life Laboratory, SciLifeLab. Division of Translational Medicine and Chemical Biology, Department of Medical Biochemistry and Biophysics, Karolinska Institutet, Stockholm, Sweden.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Comparison of Flow Cytometry and Image-Based Screening for Cell Cycle Analysis2016Inngår i: Image Analysis And Recognition (ICIAR 2016) / [ed] Aurélio Campilho, Fakhri Karray, Springer, 2016, Vol. 9730, s. 623-630Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Quantitative cell state measurements can provide a wealth of information about mechanism of action of chemical compounds and gene functionality. Here we present a comparison of cell cycle disruption measurements from commonly used flow cytometry (generating onedimensional signal data) and bioimaging (producing two-dimensional image data). Our results show high correlation between the two approaches indicating that image-based screening can be used as an alternative to flow cytometry. Furthermore, we discuss the benefits of image informatics over conventional single-signal flow cytometry.

  • 31.
    Matuszewski, Damian J.
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Carreras Puigvert, Jordi
    Karolinska Inst, Dept Med Biochem & Biophys, Div Translat Med & Chem Biol, Stockholm, Sweden; ] Sci Life Lab, Stockholm, Sweden .
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    PopulationProfiler: A Tool for Population Analysis and Visualization of Image-Based Cell Screening Data2016Inngår i: PLoS ONE, ISSN 1932-6203, E-ISSN 1932-6203, Vol. 11, nr 3, artikkel-id e0151554Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Image-based screening typically produces quantitative measurements of cell appearance. Large-scale screens involving tens of thousands of images, each containing hundreds of cells described by hundreds of measurements, result in overwhelming amounts of data. Reducing per-cell measurements to the averages across the image(s) for each treatment leads to loss of potentially valuable information on population variability. We present PopulationProfiler-a new software tool that reduces per-cell measurements to population statistics. The software imports measurements from a simple text file, visualizes population distributions in a compact and comprehensive way, and can create gates for subpopulation classes based on control samples. We validate the tool by showing how PopulationProfiler can be used to analyze the effect of drugs that disturb the cell cycle, and compare the results to those obtained with flow cytometry.

  • 32.
    Matuszewski, Damian J.
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Krona, Cecilia
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi.
    Nelander, Sven
    Uppsala universitet, Science for Life Laboratory, SciLifeLab. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Neuroonkologi.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Image-Based Detection of Patient-Specific Drug-Induced Cell-Cycle Effects in Glioblastoma2018Inngår i: SLAS Discovery: Advancing Life Sciences R&D, ISSN 2472-5552, Vol. 23, nr 10, s. 1030-1039Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Image-based analysis is an increasingly important tool to characterize the effect of drugs in large-scale chemical screens. Herein, we present image and data analysis methods to investigate population cell-cycle dynamics in patient-derived brain tumor cells. Images of glioblastoma cells grown in multiwell plates were used to extract per-cell descriptors, including nuclear DNA content. We reduced the DNA content data from per-cell descriptors to per-well frequency distributions, which were used to identify compounds affecting cell-cycle phase distribution. We analyzed cells from 15 patient cases representing multiple subtypes of glioblastoma and searched for clusters of cell-cycle phase distributions characterizing similarities in response to 249 compounds at 11 doses. We show that this approach applied in a blind analysis with unlabeled substances identified drugs that are commonly used for treating solid tumors as well as other compounds that are well known for inducing cell-cycle arrest. Redistribution of nuclear DNA content signals is thus a robust metric of cell-cycle arrest in patient-derived glioblastoma cells.

  • 33.
    Nysjö, Johan
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Christersson, Albert
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Ortopedi.
    Malmberg, Filip
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Nyström, Ingela
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Towards User-Guided Quantitative Evaluation of Wrist Fractures in CT Images2012Inngår i: Computer Vision and Graphics: ICCVG 2012 / [ed] Bolc, Leonard; Tadeusiewicz, Ryszard; Chmielewski, Leszek J; Wojciechowski, Konrad, Springer Berlin/Heidelberg, 2012, s. 204-211Konferansepaper (Fagfellevurdert)
    Abstract [en]

    The wrist is the most common location for long-bone fractures in humans. To evaluate the healing process of such fractures, it is of interest to measure the fracture displacement, particularly the angle between the joint line and the long axis of the fractured long bone. We propose to measure this angle in 3D computed tomography (CT) images of fractured wrists. As a first step towards this goal, we here present a fast and precise semi-automatic method for determining the long axis of the radius bone in CT images. To facilitate user interaction in 3D, we utilize stereo graphics, head tracking, 3D input, and haptic feedback.

  • 34.
    Nysjö, Johan
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Christersson, Albert
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Ortopedi.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Nyström, Ingela
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Larsson, Sune
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Ortopedi.
    Malmberg, Filip
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Precise 3D Angle Measurements in CT Wrist Images2013Inngår i: Image Analysis and Processing – ICIAP 2013: Part II, Springer Berlin/Heidelberg, 2013, s. 479-488Konferansepaper (Fagfellevurdert)
    Abstract [en]

    The clinically established method to assess the displacement of a distal radius fracture is to manually measure two reference angles,the dorsal angle and the radial angle, in consecutive 2D X-ray images of the wrist. This approach has the disadvantage of being sensitive to operator errors since the measurements are performed on 2D projections of a 3D structure. In this paper, we present a semi-automatic system for measuring relative changes in the dorsal angle in 3D computed tomography (CT) images of fractured wrists. We evaluate the proposed 3D measurement method on 28 post-operative CT images of fractured wrists and compare it with the radiographic 2D measurement method used in clinical practice. The results show that our proposed 3D measurement method has a high intra- and inter-operator precision and is more precise and robust than the conventional 2D measurement method.

  • 35.
    Nysjö, Johan
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Malmberg, Filip
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Nyström, Ingela
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    BoneSplit - A 3D Texture Painting Tool for Interactive Bone Separation in CT Images2015Inngår i: Journal of WSCG, ISSN 1213-6972, E-ISSN 1213-6964, Vol. 23, nr 2, s. 157-166Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    We present an efficient interactive tool for separating collectively segmented bones and bone fragments in 3D computed tomography (CT) images. The tool, which is primarily intended for virtual cranio-maxillofacial (CMF) surgery planning, combines direct volume rendering with an interactive 3D texture painting interface to enable quick identification and marking of individual bone structures. The user can paint markers (seeds) directly on the rendered bone surfaces as well as on individual CT slices. Separation of the marked bones is then achieved through the random walks segmentation algorithm, which is applied on a graph constructed from the collective bone segmentation. The segmentation runs on the GPU and can achieve close to real-time update rates for volumes as large as 512^3. Segmentation editing can be performed both in the random walks segmentation stage and in a separate post-processing stage using a local 3D editing tool. In a preliminary evaluation of the tool, we demonstrate that segmentation results comparable with manual segmentations can be obtained within a few minutes.

  • 36.
    Parmryd, Ingela
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinsk cellbiologi.
    Adler, Jeremy
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Cancer och vaskulärbiologi.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Strand, Robin
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Movement on Uneven Surfaces Displays Characteristic Features of Hop Diffusion2013Inngår i: Biophysical Journal, ISSN 0006-3495, E-ISSN 1542-0086, Vol. 104, nr 2, s. 524A-524AArtikkel i tidsskrift (Annet vitenskapelig)
  • 37.
    Schmidt, Linnéa
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Neuroonkologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Baskaran, Sathishkumar
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Neuroonkologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Johansson, Patrik
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Neuroonkologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Padhan, Narendra
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Vaskulärbiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Matuszewski, Damian J.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Green, Lydia C.
    Elfineh, Ludmila
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Neuroonkologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Wee, Shimei
    Häggblad, Maria
    Martens, Ulf
    Westermark, Bengt
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Neuroonkologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Forsberg-Nilsson, Karin
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Neuroonkologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Uhrbom, Lene
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Neuroonkologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Claesson-Welsh, Lena
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Vaskulärbiologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Andäng, Michael
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lundgren, Bo
    Lönnstedt, Ingrid
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Krona, Cecilia
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Neuroonkologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Nelander, Sven
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Neuroonkologi. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Case-specific potentiation of glioblastoma drugs by pterostilbene2016Inngår i: OncoTarget, ISSN 1949-2553, E-ISSN 1949-2553, Vol. 7, nr 45, s. 73200-73215Artikkel i tidsskrift (Fagfellevurdert)
  • 38.
    Sintorn, Ida-Maria
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Bischof, Leanne
    CSIRO Mathematical and Information Sciences.
    Buckley, Michael
    CSIRO Mathematical and Information Sciences.
    Jackway, Paul
    CSIRO Mathematical and Information Sciences.
    Haggarty, Stephen
    BROAD Institute of Harvard and MIT.
    Gradient based intensity normalization2010Inngår i: Journal of Microscopy, ISSN 0022-2720, E-ISSN 1365-2818, Vol. 240, nr 3, s. 249-258Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Intensity normalization is important in quantitative image analysis, especially when extracting features based on intensity. In automated microscopy, particularly in large cellular screening experiments, each image contains objects of similar type (e.g. cells) but the object density (number and size of the objects) may vary markedly from image to image. Standard intensity normalization methods, such as matching the grey-value histogram of an image to a target histogram from, i.e. a reference image, only work well if both object type and object density are similar in the images to be matched. This is typically not the case in cellular screening and many other types of images where object type varies little from image to image, but object density may vary dramatically. In this paper, we propose an improved form of intensity normalization which uses grey-value as well as gradient information. This method is very robust to differences in object density. We compare and contrast our method with standard histogram normalization across a range of image types, and show that the modified procedure performs much better when object density varies between images.

  • 39.
    Sintorn, Ida-Maria
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Borgefors, Gunilla
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Shape based identification of proteins in volume images2005Inngår i: Image Analysis: 14th Scandinavian Conference on Image Analysis, SCIA 2005, 2005, s. 253-262Konferansepaper (Fagfellevurdert)
    Abstract [en]

    A template based matching method, adapted to the application of identifying individual proteins of a certain kind in volume images, is presented. Grey-level and gradient megnitude information is combined in the watershed algorithm to extract stable borders. These are used in a subsequent hierarchical matching algorithm. The matching algorithm uses a distance transform to serach for local best fits between the edges of a template and edges in the underlying image. It is embedded in a resolution pyramid to decrease the risk of getting stuck in false local minima. This method makes it possible to find proteins attached to other proteins, or proteins appearing as split into parts in the images. It also decreases the amount of human interaction m´needed for identifying individual proteins of the searched kind. The method is demonstrated on a set of three volume images of the antibody IgG in solution.

  • 40.
    Sintorn, Ida-Maria
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Borgefors, Gunilla
    Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Weighted distance transforms for images using elongated voxel grids2002Konferansepaper (Fagfellevurdert)
    Abstract [en]

    In this paper we investigate weighted distance transforms in 3D images using elongated voxel grids. We use a local neighbourhood of size 3x3x3 and assume a voxel grid with equal resolution along two axes and lower along the third. The weights (local dista

  • 41.
    Sintorn, Ida-Maria
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Borgefors, Gunilla
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Weighted distance transforms for volume images digitized in elongated voxel grids2004Inngår i: Pattern Recognition Letters, Vol. 25, s. 571-580Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Weighted distance transforms in volume (3D) images using a voxel grid with equal resolution along two axes

    and lower, one, along the third are investigated. The weights (neighbour distances) in a local neighbourhoo

    d of size 3 x 3 x 3 are optimized by minimizing the maximum error in a cubic image.

  • 42.
    Sintorn, Ida-Maria
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Gedda, Magnus
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Svensson, Stina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Mata, Susana
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Medial grey-level based representation for proteins in volume images2005Inngår i: Pattern Recognition and Image Analysis: Second Iberian Conference (IbPRIA 2005), Proceedings, Part II, 2005, s. 421-428Konferansepaper (Fagfellevurdert)
    Abstract [en]

    We present an algorithm to extract a medial representation of proteins in volume images. The representation (MGR) takes into account the internal grey-level distribution of the protein and can be extracted without first segmenting the image into object and background. We show how MGR can facilitate the analysis of the structure of the proteins and thereby also classification. Results are shown on two types of protein images.

  • 43.
    Sintorn, Ida-Maria
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Homman, Mohammed
    Description, Segmentation and Classification of Human Cytomegalovirus Capsids2002Inngår i: Proceedings SSAB'02 Symposium on Image Analysis, 2002, s. 21-24Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Three stages in the capsid assembly of Human Cytomegalovirus in the host cell nucleus are investigated. The classes are described by a radial grey-level profile constructed for each class. A segmentation and classification method, based on matching of tem

  • 44.
    Sintorn, Ida-Maria
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Homman-Loudiyi, Mohammed
    Söderberg-Nauclér, Cecilia
    Borgefors, Gunilla
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    A refined circular template matching method for classification of human cytomegalovirus capsids in TEM images2004Inngår i: Computer Methods and Programs in Biomedicine, Vol. 76, s. 95-102Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    An automatic image analysis method for describing, segmenting, and classifying Human Cyto\-megalo\-virus c

    apsids in transmission electron micrograph (TEM) images of host cell nuclei has been developed. Three stage

    s of the capsid assembly process in the host cell nucleus have been investigated. Each class is described b

    y a radial density profile, which is the average grey-level at each radial distance from the centre. A temp

    late, constructed from the profile, is used to find possible capsid locations by correlation based matching

    . The matching results are further refined by size and distortion analysis of each possible capsid, resulti

    ng in a final segmentation and classification.

  • 45.
    Sintorn, Ida-Maria
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Kylberg, Gustaf
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Regional Zernike Moments for Texture Recognition2012Inngår i: Proceedings of the 21st International Conference on Pattern Recognition (ICPR), 2012, s. 1635-1638Konferansepaper (Fagfellevurdert)
    Abstract [en]

     Zernike moments are commonly used in pattern recognition but are not suited for texture analysis. In this paper we introduce regional Zernike moments (RZM) where we combine the Zernike moments for the pixels in a region to create a measure suitable for texture analysis. We compare our proposed measures to texture measures based on Gabor filters, Haralick co-occurrence matrices and local binary patterns on two different texture image sets, and show that they are noise insensitive and very well suited for texture recognition.

  • 46.
    Sintorn, Ida-Maria
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Kylberg, Gustaf
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Virus recognition based on local texture2014Inngår i: Proceedings 22nd International Conference on Pattern Recognition (ICPR), 2014, 2014, s. 3227-3232Konferansepaper (Fagfellevurdert)
    Abstract [en]

    To detect and identify viruses in electron microscopy images is crucial in certain clinical emergency situations. It is currently a highly manual task, requiring an expert sittingat the microscope to perform the analysis visually. Here wefocus on and investigate one aspect towards automating the virusdiagnostic task, namely recognizing the virus type based on theirtexture once possible virus objects have been segmented. Weshow that by using only local texture descriptors we achievea classification rate of almost 89% on texture patches from 15different virus types and a debris (false object) class. We compareand combine 5 different types of local texture descriptors andshow that by combining the different types a lower classificationerror is achieved. We use a Random Forest Classifier and comparetwo approaches for feature selection.

  • 47.
    Sintorn, Ida-Maria
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Kylberg, Gustaf
    Vironova AB.
    Haag, Lars
    Vironova AB.
    Nordström, Rickard
    Vironova AB.
    Automated Image Acquisition and Particle Size Distribution in the MiniTEM Instrument2015Konferansepaper (Fagfellevurdert)
    Abstract [en]

    The MiniTEM instrument is a desktop-top low-voltage easy to use TEM that was introduced last year. It has a high degree of automation in the microscope alignment, image acquisition, and analysis process.

    The microscope runs at 25 keV, which enables imaging of biological (negative stain and tissue sections) as well as inorganic samples prepared with standard methods. It is small, robust, requires only one standard wall socket, and can be hosted in any lab or office. The GUI is developed for Windows 8, and designed for a touch screen, allowing convenient search through the sample with pinch-zooming (changing magnification). The instrument has an integrated image processing and analysis library, which allows the user to design and apply analysis scripts. A graph based interface is used to create scripts which can be saved for future use and applied to multiple images, either acquired on the fly or manually acquired and stored in a folder.

    Here, we show how the MiniTEM instrument can be used to extract a user independent size distribution of particles in a sample in a highly automated manner. We designed analysis scripts for automatic image acquisition followed by segmentation and extraction of characteristic measures of individual particles. As a final step, obvious false-positives are manually removed which simultaneously updates the extracted measures. In the first example we image (at 1.46 nm/pixel) and analyze influenza viral vectors kindly provided by Max Planck Institute for Dynamics of Complex Technical Systems. The resulting size distribution was compared to and does agree with the distribution derived from corresponding analysis in high-voltage images (Tecnai G2 Spirit, 1.85 nm/pixel, 100 keV), see fig. 1. In the second example, we investigate the size distribution of mixtures of two differently sized polystyrene spheres (at 1.46 nm/pixel). The measured distribution (fig. 2) again coincides with the expected

  • 48.
    Sintorn, Ida-Maria
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Mata, Susana
    Using grey-level and shape information for decomposing proteins in 3D images2004Inngår i: IEEE International, 2004, s. 800-803Konferansepaper (Fagfellevurdert)
    Abstract [en]

    An image analysis method for decomposing 3D objects using a combination

    of grey-level and shape is presented. The method consists of two major p

    arts: seeding based on grey-level information and growth from the seeds

    based on shape information. The growth is performed in two steps in orde

    r to prevent seeds located in peripheral or protruding parts of the obje

    ct from growing into other parts. The method was developed to decompose

    3D reconstructions of proteins into their structural subunits. The prote

    ins are imaged with SET (Sidec Electron Tomography) at a resolution of a

    pproximately 2nm, and delineated from the background by thresholding pri

    or to application of our decomposition method. Decomposition can be a us

    eful tool in the second step of the segmentation process to help disting

    uish between true protein molecules and other objects. It can also be us

    eful for analyzing and visualizing interactions between proteins.

  • 49.
    Suveer, Amit
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Gupta, Anindya
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Kylberg, Gustaf
    Vironova AB, Stockholm, Sweden.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Super-resolution Reconstruction of Transmission Electron Microscopy Images using Deep Learning2019Inngår i: 2019 IEEE 16th International Symposium on Biomedical Imaging (ISBI 2019), IEEE, 2019, s. 548-551Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Deep learning techniques have shown promising outcomes in single image super-resolution (SR) reconstruction from noisy and blurry low resolution data. The SR reconstruction can cater the fundamental. limitations of transmission electron microscopy (TEM) imaging to potentially attain a balance among the trade-offs like imaging-speed, spatial/temporal resolution, and dose/exposure-time, which is often difficult to achieve simultaneously otherwise. In this work, we present a convolutional neural network (CNN) model, utilizing both local and global skip connections, aiming for 4 x SR reconstruction of TEM images. We used exact image pairs of a calibration grid to generate our training and independent testing datasets. The results are compared and discussed using models trained on synthetic (downsampled) and real data from the calibration grid. We also compare the variants of the proposed network with well-known classical interpolations techniques. Finally, we investigate the domain adaptation capacity of the CNN-based model by testing it on TEM images of a cilia sample, having different image characteristics as compared to the calibration-grid.

  • 50.
    Suveer, Amit
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Dragomir, Anca
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Klinisk och experimentell patologi.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Cilia ultrastructural visibility enhancement by multiple instance registration and super-resolution reconstruction2017Inngår i: Swedish Symposium on Image Analysis, Swedish Society for Automated Image Analysis , 2017Konferansepaper (Annet vitenskapelig)
12 1 - 50 of 62
RefereraExporteraLink til resultatlisten
Permanent link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf