uu.seUppsala universitets publikasjoner
Endre søk
Begrens søket
123 1 - 50 of 124
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.
    Almgren, K.M
    et al.
    STFI-Packforsk AB.
    Gamstedt, E.K.
    Department of Polymer and Fibre Technology, Royal Institute of Technology .
    Nygård, P.
    PFI Paper and Fibre Research Institute.
    Malmberg, Filip
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Lindström, M.
    STFI-Packforsk AB.
    Role of fibre–fibre and fibre–matrix adhesion in stress transfer in composites made from resin-impregnated paper sheets2009Inngår i: International Journal of Adhesion and Adhesives, ISSN 0143-7496, E-ISSN 1879-0127, Vol. 29, nr 5, s. 551-557Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Paper-reinforced plastics are gaining increased interest as packaging materials, where mechanical properties are of great importance. Strength and stress transfer in paper sheets are controlled by fibre–fibre bonds. In paper-reinforced plastics, where the sheet is impregnated with a polymer resin, other stress-transfer mechanisms may be more important. The influence of fibre–fibre bonds on the strength of paper-reinforced plastics was therefore investigated. Paper sheets with different degrees of fibre–fibre bonding were manufactured and used as reinforcement in a polymeric matrix. Image analysis tools were used to verify that the difference in the degree of fibre–fibre bonding had been preserved in the composite materials. Strength and stiffness of the composites were experimentally determined and showed no correlation to the degree of fibre–fibre bonding, in contrast to the behaviour of unimpregnated paper sheets. The degree of fibre–fibre bonding is therefore believed to have little importance in this type of material, where stress is mainly transferred through the fibre–matrix interface.

  • 2.
    Axelsson, 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.
    Chinga, Gary
    Svensson, Stina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Nygård, Per
    Malmberg, Filip
    Solheim, Olav
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Borgefors, Gunilla
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Detailed quantification of the 3D structure of newsprints in X-ray synchrotron radiation microtomography images2006Inngår i: Progress in Paper Physics Seminar, Oxford, Ohio, 2006, 2006Konferansepaper (Annet vitenskapelig)
  • 3.
    Bajic, Buda
    et al.
    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. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbia.
    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. Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbia.
    Single image super-resolution reconstruction in presence of mixed Poisson-Gaussian noise2016Inngår i: 2016 SIXTH INTERNATIONAL CONFERENCE ON IMAGE PROCESSING THEORY, TOOLS AND APPLICATIONS (IPTA), IEEE, 2016Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Single image super-resolution (SR) reconstructionaims to estimate a noise-free and blur-free high resolution imagefrom a single blurred and noisy lower resolution observation.Most existing SR reconstruction methods assume that noise in theimage is white Gaussian. Noise resulting from photon countingdevices, as commonly used in image acquisition, is, however,better modelled with a mixed Poisson-Gaussian distribution. Inthis study we propose a single image SR reconstruction methodbased on energy minimization for images degraded by mixedPoisson-Gaussian noise.We evaluate performance of the proposedmethod on synthetic images, for different levels of blur andnoise, and compare it with recent methods for non-Gaussiannoise. Analysis shows that the appropriate treatment of signaldependentnoise, provided by our proposed method, leads tosignificant improvement in reconstruction performance.

  • 4.
    Bajic, Buda
    et al.
    Univ Novi Sad, Fac Tech Sci, Novi Sad, Serbia.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Serbian Acad Arts & Sci, Math Inst, Belgrade, Serbia.
    Sladoje, Natasa
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Serbian Acad Arts & Sci, Math Inst, Belgrade, Serbia.
    Sparsity promoting super-resolution coverage segmentation by linear unmixing in presence of blur and noise2019Inngår i: Journal of Electronic Imaging (JEI), ISSN 1017-9909, E-ISSN 1560-229X, Vol. 28, nr 1, artikkel-id 013046Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    We present a segmentation method that estimates the relative coverage of each pixel in a sensed image by each image component. The proposed super-resolution blur-aware model (utilizes a priori knowledge of the image blur) for linear unmixing of image intensities relies on a sparsity promoting approach expressed by two main requirements: (i) minimization of Huberized total variation, providing smooth object boundaries and noise removal, and (ii) minimization of nonedge image fuzziness, responding to an assumption that imaged objects are crisp and that fuzziness is mainly due to the imaging and digitization process. Edge fuzziness due to partial coverage is allowed, enabling subpixel precise feature estimates. The segmentation is formulated as an energy minimization problem and solved by the spectral projected gradient method, utilizing a graduated nonconvexity scheme. Quantitative and qualitative evaluation on synthetic and real multichannel images confirms good performance, particularly relevant when subpixel precision in segmentation and subsequent analysis is a requirement. (C) 2019 SPIE and IS&T

  • 5.
    Bajic, Buda
    et al.
    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. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Serbian Acad Arts & Sci, Math Inst, Belgrade, Serbia.
    Sladoje, Nataša
    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. Serbian Acad Arts & Sci, Math Inst, Belgrade, Serbia.
    Blind restoration of images degraded with mixed poisson-Gaussian noise with application in transmission electron microscopy2016Inngår i: 2016 Ieee 13Th International Symposium On Biomedical Imaging (ISBI), IEEE, 2016, s. 123-127Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Noise and blur, present in images after acquisition, negatively affect their further analysis. For image enhancement when the Point Spread Function (PSF) is unknown, blind deblurring is suitable, where both the PSF and the original image are simultaneously reconstructed. In many realistic imaging conditions, noise is modelled as a mixture of Poisson (signal-dependent) and Gaussian (signal independent) noise. In this paper we propose a blind deconvolution method for images degraded by such mixed noise. The method is based on regularized energy minimization. We evaluate its performance on synthetic images, for different blur kernels and different levels of noise, and compare with non-blind restoration. We illustrate the performance of the method on Transmission Electron Microscopy images of cilia, used in clinical practice for diagnosis of a particular type of genetic disorders.

  • 6.
    Bajic, Buda
    et al.
    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. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbia.
    Sladoje, Nataša
    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. Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbia.
    Restoration of images degraded by signal-dependent noise based on energy minimization: an empirical study2016Inngår i: Journal of Electronic Imaging (JEI), ISSN 1017-9909, E-ISSN 1560-229X, Vol. 25, nr 4, artikkel-id 043020Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Most energy minimization-based restoration methods are developed for signal-independent Gaussian noise. The assumption of Gaussian noise distribution leads to a quadratic data fidelity term, which is appealing in optimization. When an image is acquired with a photon counting device, it contains signal-dependent Poisson or mixed Poisson–Gaussian noise. We quantify the loss in performance that occurs when a restoration method suited for Gaussian noise is utilized for mixed noise. Signal-dependent noise can be treated by methods based on either classical maximum a posteriori (MAP) probability approach or on a variance stabilization approach (VST). We compare performances of these approaches on a large image material and observe that VST-based methods outperform those based on MAP in both quality of restoration and in computational efficiency. We quantify improvement achieved by utilizing Huber regularization instead of classical total variation regularization. The conclusion from our study is a recommendation to utilize a VST-based approach combined with regularization by Huber potential for restoration of images degraded by blur and signal-dependent noise. This combination provides a robust and flexible method with good performance and high speed.

  • 7. 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)
  • 8. Bajić, Buda
    et al.
    Lindblad, Joakim
    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.
    An evaluation of potential functions for regularized image deblurring2014Inngår i: Image Analysis and Recognition: Part I, Springer Berlin/Heidelberg, 2014, s. 150-158Konferansepaper (Fagfellevurdert)
  • 9.
    Bengtsson, Ewert
    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, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik. Uppsala university.
    Wieslander, Håkan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Forslid, Gustav
    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. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Hirsch, Jan-Michael
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Runow Stark, Christina
    Kecheril Sadanandan, Sajith
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab. 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, Bildanalys och människa-datorinteraktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Detection of Malignancy-Associated Changes Due to Precancerous and Oral Cancer Lesions: A Pilot Study Using Deep Learning2018Inngår i: CYTO2018 / [ed] Andrea Cossarizza, 2018Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Background: The incidence of oral cancer is increasing and it is effecting younger individuals. PAP smear-based screening, visual, and automated, have been used for decades, to successfully decrease the incidence of cervical cancer. Can similar methods be used for oral cancer screening? We have carried out a pilot study using neural networks for classifying cells, both from cervical cancer and oral cancer patients. The results which were reported from a technical point of view at the 2017 IEEE International Conference on Computer Vision Workshop (ICCVW), were particularly interesting for the oral cancer cases, and we are currently collecting and analyzing samples from more patients. Methods: Samples were collected with a brush in the oral cavity and smeared on glass slides, stained, and prepared, according to standard PAP procedures. Images from the slides were digitized with a 0.35 micron pixel size, using focus stacks with 15 levels 0.4 micron apart. Between 245 and 2,123 cell nuclei were manually selected for analysis for each of 14 datasets, usually 2 datasets for each of the 6 cases, in total around 15,000 cells. A small region was cropped around each nucleus, and the best 2 adjacent focus layers in each direction were automatically found, thus creating images of 100x100x5 pixels. Nuclei were chosen with an aim to select well preserved free-lying cells, with no effort to specifically select diagnostic cells. We therefore had no ground truth on the cellular level, only on the patient level. Subsets of these images were used for training 2 sets of neural networks, created according to the ResNet and VGG architectures described in literature, to distinguish between cells from healthy persons, and those with precancerous lesions. The datasets were augmented through mirroring and 90 degrees rotations. The resulting networks were used to classify subsets of cells from different persons, than those in the training sets. This was repeated for a total of 5 folds. Results: The results were expressed as the percentage of cell nuclei that the neural networks indicated as positive. The percentage of positive cells from healthy persons was in the range 8% to 38%. The percentage of positive cells collected near the lesions was in the range 31% to 96%. The percentages from the healthy side of the oral cavity of patients with lesions ranged 37% to 89%. For each fold, it was possible to find a threshold for the number of positive cells that would correctly classify all patients as normal or positive, even for the samples taken from the healthy side of the oral cavity. The network based on the ResNet architecture showed slightly better performance than the VGG-based one. Conclusion: Our small pilot study indicates that malignancyassociated changes that can be detected by neural networks may exist among cells in the oral cavity of patients with precancerous lesions. We are currently collecting samples from more patients, and will present those results as well, with our poster at CYTO 2018.

  • 10.
    Bengtsson, Ewert
    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.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Robust cell image segmentation methods2004Inngår i: Pattern Recognition and Image Analysis: Advances in Mathematical Theory and Applications, ISSN 1054-6618, Vol. 14, nr 2, s. 157-167Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Biomedical cell image analysis is one of the main application fields of computerized image analysis. This paper outlines the field and the different analysis steps related to it. Relative advantages of different approaches to the crucial step of image segmentation are discussed. Cell image segmentation can be seen as a modeling problem where different approaches are more or less explicitly based on cell models. For example, thresholding methods can be seen as being based on a model stating that cells have an intensity that is different from the surroundings. More robust segmentation can be obtained if a combination of features, such as intensity, edge gradients, and cellular shape, is used. The seeded watershed transform is proposed as the most useful tool for incorporating such features into the cell model. These concepts are illustrated by three real-world problems.

  • 11. Bogren, Karin
    et al.
    Gamstedt, Kristofer
    Berthold, Fredrik
    Lindström, Mikael
    Nygård, Per
    Malmberg, Filip
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Axelsson, Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Svensson, Stina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Borgefors, Gunilla
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Stress transfer and failure in pulpfibre reinforced composites: Effects of microstructure characterized by Xray microtomography2006Inngår i: 2006 Progress in Paper Physics: A seminar, 2006Konferansepaper (Annet vitenskapelig)
  • 12.
    Bombrun, Maxime
    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.
    Ranefall, Petter
    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.
    Allalou, Amin
    Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Partel, Gabriele
    Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Solorzano, Leslie
    Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Qian, Xiaoyan
    Stockholm Univ, Dept Biochem & Biophys, Sci Life Lab, Tomtebodavagen 23, S-17165 Solna, Sweden.
    Nilsson, Mats
    Stockholm Univ, Dept Biochem & Biophys, Sci Life Lab, Tomtebodavagen 23, S-17165 Solna, Sweden.
    Wählby, Carolina
    Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Decoding gene expression in 2D and 3D2017Inngår i: Image Analysis: Part II, Springer, 2017, s. 257-268Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Image-based sequencing of RNA molecules directly in tissue samples provides a unique way of relating spatially varying gene expression to tissue morphology. Despite the fact that tissue samples are typically cut in micrometer thin sections, modern molecular detection methods result in signals so densely packed that optical “slicing” by imaging at multiple focal planes becomes necessary to image all signals. Chromatic aberration, signal crosstalk and low signal to noise ratio further complicates the analysis of multiple sequences in parallel. Here a previous 2D analysis approach for image-based gene decoding was used to show how signal count as well as signal precision is increased when analyzing the data in 3D instead. We corrected the extracted signal measurements for signal crosstalk, and improved the results of both 2D and 3D analysis. We applied our methodologies on a tissue sample imaged in six fluorescent channels during five cycles and seven focal planes, resulting in 210 images. Our methods are able to detect more than 5000 signals representing 140 different expressed genes analyzed and decoded in parallel.

  • 13.
    Cristea, Alexander
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap.
    Karlsson Edlund, Patrick
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Qaisar, Rizwan
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Larsson, Lars
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap, Klinisk neurofysiologi.
    Effects of ageing and gender on the spatial organisation of nuclei in single human skeletal muscle cells2009Inngår i: Neuromuscular Disorders, ISSN 0960-8966, E-ISSN 1873-2364, Vol. 19, nr 8, s. 605-606Artikkel i tidsskrift (Fagfellevurdert)
  • 14.
    Cristea, Alexander
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap, Klinisk neurofysiologi.
    Karlsson Edlund, Patrick
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Qaisar, Rizwan
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap, Klinisk neurofysiologi.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Larsson, Lars
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap, Klinisk neurofysiologi.
    Effects of ageing and gender on the spatial organization of nuclei in single human skeletal muscle cells2009Inngår i: Neuromuscular Disorders, ISSN 0960-8966, E-ISSN 1873-2364, Vol. 19, s. 605-606Artikkel i tidsskrift (Fagfellevurdert)
  • 15.
    Cristea, Alexander
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap, Klinisk neurofysiologi.
    Qaisar, Rizwan
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap, Klinisk neurofysiologi.
    Karlsson Edlund, Patrick
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Larsson, Lars
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap, Klinisk neurofysiologi.
    Effects of aging and gender on the spatial organization of nuclei in single human skeletal muscle cells2010Inngår i: Aging Cell, ISSN 1474-9718, E-ISSN 1474-9726, Vol. 9, nr 5, s. 685-697Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    The skeletal muscle fibre is a syncitium where each myonucleus regulates the gene products in a finite volume of the cytoplasm, i.e., the myonuclear domain (MND). We analysed aging- and gender-related effects on myonuclei organization and the MND size in single muscle fibres from six young (21–31 years) and nine old men (72–96 years), and from six young (24–32 years) and nine old women (65–96 years), using a novel image analysis algorithm applied to confocal images. Muscle fibres were classified according to myosin heavy chain (MyHC) isoform expression. Our image analysis algorithm was effective in determining the spatial organization of myonuclei and the distribution of individual MNDs along the single fibre segments. Significant linear relations were observed between MND size and fibre size, irrespective age, gender and MyHC isoform expression. The spatial organization of individual myonuclei, calculated as the distribution of nearest neighbour distances in 3D, and MND size were affected in old age, but changes were dependent on MyHC isoform expression. In type I muscle fibres, average NN-values were lower and showed an increased variability in old age, reflecting an aggregation of myonuclei in old age. Average MND size did not change in old age, but there was an increased MND size variability. In type IIa fibres, average NN-values and MND sizes were lower in old age, reflecting the smaller size of these muscle fibres in old age. It is suggested that these changes have a significant impact on protein synthesis and degradation during the aging process.

  • 16.
    Curic, Vladimir
    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.
    Lindblad, Joakim
    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.
    Sladoje, Natasa
    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. Faculty of Technical Sciences, University of Novi Sad, Serbia.
    Distance measures between digital fuzzy objects and their applicability in image processing2011Inngår i: Combinatorial Image Analysis / [ed] Jake Aggarwal, Reneta Barneva, Valentin Brimkov, Kostadin Koroutchev, Elka Koroutcheva, Springer Berlin/Heidelberg, 2011, s. 385-397Konferansepaper (Fagfellevurdert)
    Abstract [en]

    We present two different extensions of the Sum of minimal distances and the Complement weighted sum of minimal distances to distances between fuzzy sets. We evaluate to what extent the proposed distances show monotonic behavior with respect to increasing translation and rotation of digital objects, in noise free, as well as in noisy conditions. Tests show that one of the extension approaches leads to distances exhibiting very good performance. Furthermore, we evaluate distance based classification of crisp and fuzzy representations of objects at a range of resolutions. We conclude that the proposed distances are able to utilize the additional information available in a fuzzy representation, thereby leading to improved performance of related image processing tasks.

  • 17.
    Curic, Vladimir
    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.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Sladoje, Natasa
    Centre for Mathematics and Statistics, Faculty of Technical Sciences, University of Novi Sad, Serbia.
    The Sum of minimal distances as a useful distance measure for image registration2010Inngår i: Proceedings SSBA 2010 / [ed] Cris Luengo and Milan Gavrilovic, Uppsala: Centre for Image Analysis , 2010, s. 55-58Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    In this paper we study set distances which are used in image registration related problems. We introduced a new distance as a Sum of minimal distances with added linear weights. Linear weights are added in a way to reduce the impact of single outliers. An evaluation of observed distances with respect to applicability to image object registration is performed. A comparative study of set distances with respect to noise sensitivity as well as with respect to translation and rotation of objects in image is presented. Based on our experiments on synthetic images containing various types of noise, we determine that the proposed weighted sum of minimal distances has a good performances for object registration.

  • 18.
    Curic, Vladimir
    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.
    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. Faculty of Engineering, University of Novi Sad, Serbia.
    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. University of Novi Sad, Serbia.
    Sarve, Hamid
    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.
    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.
    A new set distance and its application to shape registration2014Inngår i: Pattern Analysis and Applications, ISSN 1433-7541, E-ISSN 1433-755X, Vol. 17, nr 1, s. 141-152Artikkel i tidsskrift (Fagfellevurdert)
  • 19.
    Delic, Marija
    et al.
    University of Novi Sad, Faculty of technical sciences.
    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. Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbia.
    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. Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbia.
    αLBP – a novel member of the Local Binary Pattern family based on α-cutting2015Inngår i: Proc. 9th International Symposium on Image and Signal Processing and Analysis, IEEE , 2015, s. 13-18Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Local binary pattern (LBP) descriptors have been popular in texture classification in recent years. They were introduced as descriptors of local image texture and their histograms are shown to be well performing texture features. In this paper we introduce two new LBP descriptors, αLBP and its improved variant IαLBP. We evaluate their performance in classification by comparing them with some of the existing LBP descriptors - LBP, ILBP, shift LBP (SLBP) and with one ternary descriptor - LTP. The texture descriptors are evaluated on three datasets - KTH-TIPS2b, UIUC and Virus texture dataset. The novel descriptor outperforms the other descriptors on two datasets, KTH-TIPS2b and Virus, and is tied for first place with ILBP on the UIUC dataset.

  • 20. Drazic, Slobodan
    et al.
    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.
    Estimation of Feret's diameter from pixel coverage representation of a shape2016Inngår i: Pattern Recognition Letters, ISSN 0167-8655, E-ISSN 1872-7344, Vol. 80, s. 37-45Artikkel i tidsskrift (Fagfellevurdert)
  • 21.
    Dražić, Slobodan
    et al.
    Faculty of Technical Sciences, University of Novi Sad, Serbia.
    Lindblad, Joakim
    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.
    Sladoje, Natasa
    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. Faculty of Technical Sciences, University of Novi Sad, Serbia.
    Precise Estimation of the Projection of a Shape from a Pixel Coverage Representation2011Inngår i: Proceedings of the 7th IEEE International Symposium on Image and Signal Processing and Analysis (ISPA), IEEE Computer Society, 2011, s. 569-574Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Measuring width and diameter of a shape areproblems well studied in the literature. A pixel coverage repre-sentation is one specific type of digital fuzzy representation of acontinuous image object, where the (membership) value of eachpixel is (approximately) equal to the relative area of the pixelwhich is covered by the continuous object. Lately a number ofmethods for shape analysis use pixel coverage for reducing errorof estimation. We introduce a novel method for estimating theprojection of a shape in a given direction. The method is based onutilizing pixel coverage representation of a shape. Performance ofthe method is evaluated by a number of tests on synthetic objects,confirming high precision and applicability for calculation ofdiameter and elongation of a shape.

  • 22.
    Gavrilovic, Milan
    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.
    Azar, Jimmy
    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, Bildanalys och människa-datorinteraktion. 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, 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.
    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.
    Busch, Christer
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi, Molekylär och morfologisk patologi.
    Carlbom, Ingrid
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Blind Color Decomposition of Histological Images2013Inngår i: IEEE Transactions on Medical Imaging, ISSN 0278-0062, E-ISSN 1558-254X, Vol. 32, nr 6, s. 983-994Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Cancer diagnosis is based on visual examination under a microscope of tissue sections from biopsies. But whereas pathologists rely on tissue stains to identify morphological features, automated tissue recognition using color is fraught with problems that stem from image intensity variations due to variations in tissue preparation, variations in spectral signatures of the stained tissue, spectral overlap and spatial aliasing in acquisition, and noise at image acquisition. We present a blind method for color decomposition of histological images. The method decouples intensity from color information and bases the decomposition only on the tissue absorption characteristics of each stain. By modeling the charge-coupled device sensor noise, we improve the method accuracy. We extend current linear decomposition methods to include stained tissues where one spectral signature cannot be separated from all combinations of the other tissues' spectral signatures. We demonstrate both qualitatively and quantitatively that our method results in more accurate decompositions than methods based on non-negative matrix factorization and independent component analysis. The result is one density map for each stained tissue type that classifies portions of pixels into the correct stained tissue allowing accurate identification of morphological features that may be linked to cancer.

  • 23.
    Gavrilovic, Milan
    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.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Algorithms for cross-talk suppression in fluorescence microscopy2008Inngår i: Medicinteknikdagarna 2008, 2008, s. 64-64Konferansepaper (Annet vitenskapelig)
    Abstract [en]

     

     

     

  • 24.
    Gavrilovic, Milan
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Dimensionality Reduction for Colour Based Pixel Classification2009Inngår i: Proceedings SSBA 2009: Symposium on Image Analysis, Halmstad, March 18-20 / [ed] Josef Bigun, Antanas Verikas, Halmstad: Halmstad University , 2009, s. 65-68Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    In digital images, providing classification based on colour, hue or spectral angle is a problem usually solved by combining a variety of pre-processing steps, as well as object wise classifiers. We have developed a method for transforming colour or multispectral image data to a 1D colour histogram with respect to the digital characteristics of intensity measurements. Classification is then reduced to 1D histogram segmentation which is a simpler problem. The proposed method, based on ideas of spectral decomposition, was previously applied in dual-colour fluorescence microscopy for quantification and detection of colocalization insensitive to cross-talk. In this paper the principle is expanded to unsupervised colour based pixel classification algorithms in hue-saturation-lightness or luminance-chrominance colour spaces.

  • 25.
    Gavrilovic, Milan
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys. Swedish University of Agricultural Sciences, Uppsala, Sweden.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys. Swedish University of Agricultural Sciences, Uppsala, Sweden.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys. Swedish University of Agricultural Sciences, Uppsala, Sweden.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys. Swedish University of Agricultural Sciences, Uppsala, Sweden.
    Spectral Angle Histogram: a Novel Image Analysis Tool for Quantification of Colocalization and Cross-talk2009Inngår i: 9th International ELMI Meeting on Advanced Light Microscopy / [ed] Kurt Anderson, Gail McConnell, Glasgow, UK, 2009, s. 66-67Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    In fluorescence microscopy, when analyzing spectral components, it is common to record two (or more) greyscale images. Each greyscale image, referred to as a channel, corresponds to intensities in different wavelength intervals. If each pixel of a two-channel image is plotted in a space spanned by the two intensity channels a conventional scatter-plot is obtained. Single-coloured pixels are distributed along the axes, while colocalized pixels are distributed closer to the diagonal of the scatter-plot, and cross-talk (as well as noise) is observed as deviations of the single-coloured vectors from the axes. Detection of colocalized pixels is often based on a division of this 2D space into different regions by intensity thresholding. We have developed a method for reducing the scatter-plot to a 1D spectral angle histogram through a series of steps that compensate for the quantization noise which is always present in digital image data.

    Using the spectral angle histogram, we can quantify colocalization in a fully automated and robust manner. As compared to previous methods for quantification of colocalization, this approach is insensitive to cross-talk. In fact, it can also be employed to quantify and compensate for cross-talk, using either linear unmixing or fuzzy classification by spectral angle, ensuring complete suppression of cross-talk with minimal loss of information. Recently we started investigating how the method can deal with autofluorescence. Initial tests on real image data show that the method may be useful for improved background suppression and amplification of the true signals.

    The article “Quantification of colocalization and cross-talk based on spectral angles”, describing the method, is about to be published in the Journal of Microscopy. Authors have also filed a patent application “Pixel classification in image analysis” in 2008.

  • 26.
    Gay, Jo
    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.
    Harlin, Hugo
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Wetzer, Elisabeth
    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, 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, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Oral Cancer Detection: A Comparison of Texture Focused Deep Learning Approaches2019Inngår i: Proceedings of the Swedish Society for Automated Image Analysis (SSBA), 2019Konferansepaper (Annet vitenskapelig)
  • 27.
    Gay, Jo
    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.
    Harlin, Hugo
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion.
    Wetzer, Elisabeth
    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, 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, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Texture-based oral cancer detection: A performance analysis of deep learning approaches.2019Inngår i: 3rd NEUBIAS Conference, Luxembourg, 2019Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Early stage cancer detection is essential for reducing cancer mortality. Screening programs such as that for cervical cancer are highly effective in preventing advanced stage cancers. One obstacle to the introduction of screening for other cancer types is the cost associated with manual inspection of the resulting cell samples. Computer assisted image analysis of cytology slides may offer a significant reduction of these costs. We are particularly interested in detection of cancer of the oral cavity, being one of the most common malignancies in the world, with an increasing tendency of incidence among young people. Due to the non-invasive accessibility of the oral cavity, automated detection may enable screening programs leading to early diagnosis and treatment.It is well known that variations in the chromatin texture of the cell nucleus are an important diagnostic feature. With an aim to maximize reliability of an automated cancer detection system for oral cancer detection, we evaluate three state of the art deep convolutional neural network (DCNN) approaches which are specialized for texture analysis. A powerful tool for texture description are local binary patterns (LBPs); they describe the pattern of variations in intensity between a pixel and its neighbours, instead of using the image intensity values directly. A neural network can be trained to recognize the range of patterns found in different types of images. Many methods have been proposed which either use LBPs directly, or are inspired by them, and show promising results on a range of different image classification tasks where texture is an important discriminative feature.We evaluate multiple recently published deep learning-based texture classification approaches: two of them (referred to as Model 1, by Juefei-Xu et al. (CVPR 2017); Model 2, by Li et al. (2018)) are inspired by LBP texture descriptors, while the third (Model 3, by Marcos et al. (ICCV 2017)), based on Rotation Equivariant Vector Field Networks, aims at preserving fine textural details under rotations, thus enabling a reduced model size. Performances are compared with state-of-the-art results on the same dataset, by Wieslander et al. (CVPR 2017), which are based on ResNet and VGG architectures. Furthermore a fusion of DCNN with LBP maps as in Wetzer et al. (Bioimg. Comp. 2018) is evaluated for comparison. Our aim is to explore if focus on texture can improve CNN performance.Both of the methods based on LBPs exhibit higher performances (F1-score for Model 1: 0.85; Model 2: 0.83) than what is obtained by using CNNs directly on the greyscale data (VGG: 0.78, ResNet: 0.76). This clearly demonstrates the effectiveness of LBPs for this type of image classification task. The approach based on rotation equivariant networks stays behind in performance (F1-score for Model 3: 0.72), indicating that this method may be less appropriate for classifying single-cell images.

  • 28.
    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)
  • 29. 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)
  • 30.
    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.

  • 31.
    Höglund, Anna-Stina
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Liu, Jingxia
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Karlsson, Patrick
    Fakultetsövergripande enheter, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Lindblad, Joakim
    Fakultetsövergripande enheter, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Borgefors, Gunilla
    Fakultetsövergripande enheter, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Bengtsson, Ewert
    Fakultetsövergripande enheter, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Larsson, Lars
    The spatial distribution of nuclei in single skeletal muscle cells as visualised by 3-D images:: the differences in organisation between species and between healthy cells and cells affected by disease2007Inngår i: Biophysical Journal: 637A-637A Suppl. S, 2007Konferansepaper (Annet vitenskapelig)
  • 32.
    Ilic, Vladimir
    et al.
    Faculty of Engineering, University of Novi Sad, Serbia.
    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. Faculty of Engineering, University of Novi Sad, Serbia.
    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. Faculty of Engineering, University of Novi Sad, Serbia.
    Precise Euclidean distance transforms in 3D from voxel coverage representation2015Inngår i: Pattern Recognition Letters, ISSN 0167-8655, E-ISSN 1872-7344, Vol. 65, s. 184-191Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Distance transforms (DTs) are, usually, defined on a binary image as a mapping from each background element to the distance between its centre and the centre of the closest object element. However, due to discretization effects, such DTs have limited precision, including reduced rotational and translational invariance. We show in this paper that a significant improvement in performance of Euclidean DTs can be achieved if voxel coverage values are utilized and the position of an object boundary is estimated with sub-voxel precision. We propose two algorithms of linear time complexity for estimating Euclidean DT with sub-voxel precision. The evaluation confirms that both algorithms provide 4-14 times increased accuracy compared to what is achievable from a binary object representation.

  • 33.
    Ilic, Vladimir
    et al.
    Faculty of Technical Sciences, University of Novi Sad, Novi Sad, Serbia.
    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. Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbi.
    Sladoje, Nataša
    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. Mathematical Institute, Serbian Academy of Sciences and Arts, Belgrade, Serbi.
    Signature of a Shape Based on Its Pixel Coverage Representation2016Inngår i: Discrete Geometry for Computer Imagery, DGCI 2016. Lecture Notes in Computer Science, Vol. 9647, pp. 181-193, Springer 2016: 19th IAPR International Conference, DGCI 2016, Nantes, France, April 18-20, 2016. Proceedings / [ed] Normand, Nicolas, Guédon, Jeanpierre, Autrusseau, Florent, Springer Berlin/Heidelberg, 2016, Vol. 9647, s. 181-193Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Distance from the boundary of a shape to its centroid, a.k.a. signature of a shape, is a frequently used shape descriptor. Commonly, the observed shape results from a crisp (binary) segmentation of an image. The loss of information associated with binarization leads to a significant decrease in accuracy and precision of the signature, as well as its reduced invariance w.r.t. translation and rotation. Coverage information enables better estimation of edge position within a pixel. In this paper, we propose an iterative method for computing the signature of a shape utilizing its pixel coverage representation. The proposed method iteratively improves the accuracy of the computed signature, starting from a good initial estimate. A statistical study indicates considerable improvements in both accuracy and precision, compared to a crisp approach and a previously proposed approach based on averaging signatures over α-cuts of a fuzzy representation. We observe improved performance of the proposed descriptor in the presence of noise and reduced variation under translation and rotation.

  • 34.
    Karlsson Edlund, Patrick
    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.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Non-uniform 3D distance transform for anisotropic signal correction in confocal image volumes of skeletal muscle cell nuclei2008Inngår i: Proc. 5th International Symposium on Biomedical Imaging, Piscataway, NJ: IEEE , 2008, s. 1363-1366Konferansepaper (Fagfellevurdert)
  • 35.
    Karlsson, Patrick
    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.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Correction in 3D Confocal Images2008Inngår i: Proceedings of the 2008 Symposium on Image Analysis, 2008, s. 31-34Konferansepaper (Annet vitenskapelig)
  • 36. Karlsson, Patrick
    et al.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Segmentation and separation of point like fluorescent markers in digital images2004Inngår i: ISBI2004, 2004, s. 1291-1294Konferansepaper (Fagfellevurdert)
  • 37.
    Karlsson, Patrick
    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.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Höglund, Anna-Stina
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap. Klinisk neurofysiologi.
    Liu, Jingxia
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap. Klinisk neurofysiologi.
    Larsson, Lars
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap. Klinisk neurofysiologi.
    Analysis of Skeletal Fibers in Three Dimensional Images2007Inngår i: Medicinteknikdagarna 2007, 2007, s. 1-Konferansepaper (Annet (populærvitenskap, debatt, mm))
  • 38.
    Karlsson, Patrick
    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.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Höglund, Anna-Stina
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap. Clinical Neurophysiology.
    Liu, Jingxia
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap. Clinical Neurophysiology.
    Larsson, Lars
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap. Clinical Neurophysiology.
    Analysis of Skeletal Fibers in Three Dimensional Images: Methodological considerations2007Inngår i: XXXVIth European Muscle Conference of the European Society for Muscle Research: European Muscle Conference 2007, 2007, s. 130-Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Knowledge of the detailed three dimensional organization of nuclei in skeletal muscle fibers is of fundamental importance for the understanding of the basic mechanisms involved in muscle wasting associated with for example neuromuscular disorders and aging. An ongoing interdisciplinary collaboration between the Centre for Image Analysis (CBA), and the Muscle Research Group (MRG), both at Uppsala University, addresses the issue of spatial distribution of myonuclei using confocal microscopic techniques together with advanced methods for computerized image analysis.

    Performing quantitative analysis on true three dimensional volume images captured by confocal microscopy gives us the option to perform in-depth statistical analysis of the relationship between neighboring myonuclei. The three dimensional representation enables extraction of a number of features for individual myonuclei, e.g., size and shape of a nucleus, and the myonuclear domain (in which each myonucleus control the gene products). This project investigates data sets from single muscle fibers sampled from mouse, rat, pig, human, horse and rhino to determine the myonuclei arrangement between species with a 100,000 fold difference in body weight.

    The appropriate image analysis tools needed for gaining the understanding of organization in three dimensional volume images are developed within the project to facilitate the analysis of similarities between species, and unique features within a species. The accumulated understanding of the spatial organization of myonuclei, and the effect of individual myonuclei size, will lead to an increased knowledge of basic mechanisms underlying muscle wasting in various neuromuscular disorders. This knowledge will hopefully lead to new therapeutic strategies that can be evaluated in experimental animal models prior to clinical testing trials in patients.

  • 39.
    Karlsson, Patrick
    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.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Segmentation of point-like fluorescent markers2004Inngår i: Proceedings: Symposium on Image Analysis, 2004, s. 146-149Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    We present a method for accurate segmentation of point like signals, from fluorescent markers in digital microscopic images with subcellular resolution. The method is able to segment and separate clustered signals, which facilitates accurate dot counting. The method performance is evaluated using synthetic images, that are modeled after real digital microscopy images of cells. The results show that the method is able to detect point like fluorescent signals as correct as a manual operator.

  • 40.
    Koriakina, Nadezhda
    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.
    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. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik.
    Ramqvist, Eva Darai
    Pathology and Cytology, Karolinska Institute, Stockholm, Sweden.
    Hirsch, Jan M.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Runow Stark, Christina
    Public Dental Service, Södersjukhuset, Stockholm, Sweden.
    Lindblad, Joakim
    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.
    Visualization of convolutional neural network class activations in automated oral cancer detection for interpretation of malignancy associated changes2019Inngår i: 3rd NEUBIAS Conference, Luxembourg, 2-8 February 2019, 2019, , s. 1Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Introduction: Cancer of the oral cavity is one of the most common malignancies in the world. The incidence of oral cavity and oropharyngeal cancer is increasing among young people. It is noteworthy that the oral cavity can be relatively easily accessed for routine screening tests that could potentially decrease the incidence of oral cancer. Automated deep learning computer aided methods show promising ability for detection of subtle precancerous changes at a very early stage, also when visual examination is less effective. Although the biological nature of these malignancy associated changes is not fully understood, the consistency of morphology and textural changes within a cell dataset could shed light on the premalignant state. In this study, we are aiming to increase understanding of this phenomenon by exploring and visualizing what parts of cell images are considered as most important when trained deep convolutional neural networks (DCNNs) are used to differentiate cytological images into normal and abnormal classes.

    Materials and methods: Cell samples are collected with a brush at areas of interest in the oral cavity and stained according to standard PAP procedures. Digital images from the slides are acquired with a 0.32 micron pixel size in greyscale format (570 nm bandpass filter). Cell nuclei are manually selected in the images and a small region is cropped around each nucleus resulting in images of 80x80 pixels. Medical knowledge is not used for choosing the cells but they are just randomly selected from the glass; for the learning process we are only providing ground truth on the patient level and not on the cell level. Overall, 10274 images of cell nuclei and the surrounding region are used to train state-of-the-art DCNNs to distinguish between cells from healthy persons and persons with precancerous lesions. Data augmentation through 90 degrees rotations and mirroring is applied to the datasets. Different approaches for class activation mapping and related methods are utilized to determine what image regions and feature maps are responsible for the relevant class differentiation.

    Results and Discussion:The best performing of the observed deep learning architectures reaches a per cell classification accuracy surpassing 80% on the observed material. Visualizing the class activation maps confirms our expectation that the network is able to learn to focus on specific relevant parts of the sample regions. We compare and evaluate our findings related to detected discriminative regions with the subjective judgements of a trained cytotechnologist. We believe that this effort on improving understanding of decision criteria used by machine and human leads to increased understanding of malignancy associated changes and also improves robustness and reliability of the automated malignancy detection procedure.

  • 41.
    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.
    Lindblad, Joakim
    Sladoje, Nataša
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för beräkningsvetenskap.
    Coverage segmentation of thin structures by linear unmixing and local centre of gravity attraction2013Inngår i: Proc. 8th International Symposium on Image and Signal Processing and Analysis, IEEE Signal Processing Society, 2013, s. 83-88Konferansepaper (Fagfellevurdert)
  • 42.
    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.
    Lindblad, Joakim
    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.
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för beräkningsvetenskap.
    Wang, Chunliang
    Smedby, Örjan
    Coverage segmentation of 3D thin structures2015Inngår i: Proc. 5th International Conference on Image Processing Theory, Tools and Applications, Piscataway, NJ: IEEE , 2015, s. 23-28Konferansepaper (Fagfellevurdert)
  • 43.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Development of Algorithms for Digital Image Cytometry2002Doktoravhandling, med artikler (Annet vitenskapelig)
    Abstract [en]

    This thesis presents work in digital image cytometry applied to fluorescence microscope images of cultivated cells. Focus has been on the development and compilation of robust image analysis tools, enabling quantitative measurements of various properties of cells and cell structures. A significant part of the work has consisted of developing robust segmentation methods for fluorescently labelled cells. This, in combination with effort applied in the areas of feature extraction and statistical data analysis, has enabled the compilation of a complete chain of processing steps to produce a system capable of performing fully automatic segmentation and classification of fluorescently labelled cells according to their level of activation.

    Two sequences of processing steps, both leading to automatic cytoplasm segmentation of fluorescence microscopy cell images are presented. In one of the sequences, an additional image of the nuclei of the cells is segmented. The nuclei are then used as seeds for the segmentation of the cytoplasm image. This solves the problem of over-segmentation of the cytoplasms in an efficient way. The other sequence uses merge and split algorithms on the cytoplasm image, in conjunction with statistical analysis of descriptive features. This analysis is used in a feedback system to improve the segmentation performance, and to give an overall quality measure of the segmentation.

    A classification method that separates individual cells into three classes, depending on their level of activation, is described. The method is based on analysis of time series of images. Using both general purpose features and carefully designed problem specific features, in combination with a floating feature selection procedure, a Bayesian classifier is built. Evaluation showed that the performance of the fully automatic classification procedure was very close to the performance of skilled manual classification.

    A novel method for performing estimation of intensity nonuniformites of microscope images is presented. Methods to solve many other problems related to image analysis of cell images are discussed and evaluated. All methods presented in this work are applicable to real-world situations. The two main projects of the thesis work have been performed in close cooperation with and according to demands of the biomedical industry.

    Delarbeid
    1. Image Analysis for Automatic Segmentation of Cytoplasms and Classification of Rac1 Activation
    Åpne denne publikasjonen i ny fane eller vindu >>Image Analysis for Automatic Segmentation of Cytoplasms and Classification of Rac1 Activation
    2004 (engelsk)Inngår i: Cytometry, ISSN 0196-4763, E-ISSN 1097-0320, Vol. 57A, nr 1, s. 22-23Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract [en]

    BACKGROUND:

    Rac1 is a GTP-binding molecule involved in a wide range of cellular processes. Using digital image analysis, agonist-induced translocation of green fluorescent protein (GFP) Rac1 to the cellular membrane can be estimated quantitatively for individual cells.

    METHODS:

    A fully automatic image analysis method for cell segmentation, feature extraction, and classification of cells according to their activation, i.e., GFP-Rac1 translocation and ruffle formation at stimuli, is described. Based on training data produced by visual annotation of four image series, a statistical classifier was created.

    RESULTS:

    The results of the automatic classification were compared with results from visual inspection of the same time sequences. The automatic classification differed from the visual classification at about the same level as visual classifications performed by two different skilled professionals differed from each other. Classification of a second image set, consisting of seven image series with different concentrations of agonist, showed that the classifier could detect an increased proportion of activated cells at increased agonist concentration.

    CONCLUSIONS:

    Intracellular activities, such as ruffle formation, can be quantified by fully automatic image analysis, with an accuracy comparable to that achieved by visual inspection. This analysis can be done at a speed of hundreds of cells per second and without the subjectivity introduced by manual judgments.

    HSV kategori
    Identifikatorer
    urn:nbn:se:uu:diva-90085 (URN)10.1002/cyto.a.10107 (DOI)14699602 (PubMedID)
    Tilgjengelig fra: 2002-12-19 Laget: 2002-12-19 Sist oppdatert: 2018-12-02bibliografisk kontrollert
    2. Algorithms for cytoplasm segmentation of fluorescence labeled cells
    Åpne denne publikasjonen i ny fane eller vindu >>Algorithms for cytoplasm segmentation of fluorescence labeled cells
    Vise andre…
    2002 (engelsk)Inngår i: Analytical Cellular Pathology, ISSN 0921-8912, E-ISSN 1878-3651, Vol. 24, nr 2-3, s. 101-111Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract [en]

    Automatic cell segmentation has various applications in cytometry, and while the nucleus is often very distinct and easy to identify, the cytoplasm provides a lot more challenge. A new combination of image analysis algorithms for segmentation of cells imaged by fluorescence microscopy is presented. The algorithm consists of an image pre-processing step, a general segmentation and merging step followed by a segmentation quality measurement. The quality measurement consists of a statistical analysis of a number of shape descriptive features. Objects that have features that differ to that of correctly segmented single cells can be further processed by a splitting step. By statistical analysis we therefore get a feedback system for separation of clustered cells. After the segmentation is completed, the quality of the final segmentation is evaluated. By training the algorithm on a representative set of training images, the algorithm is made fully automatic for subsequent images created under similar conditions. Automatic cytoplasm segmentation was tested on CHO-cells stained with calcein. The fully automatic method showed between 89% and 97% correct segmentation as compared to manual segmentation.

    HSV kategori
    Identifikatorer
    urn:nbn:se:uu:diva-90086 (URN)12446959 (PubMedID)
    Tilgjengelig fra: 2002-12-19 Laget: 2002-12-19 Sist oppdatert: 2018-12-18
    3. Statistical quality control for segmentation of fluorescence labeled cells
    Åpne denne publikasjonen i ny fane eller vindu >>Statistical quality control for segmentation of fluorescence labeled cells
    Vise andre…
    2001 (engelsk)Inngår i: In Proceedings of the 5th Korea-Germany Joint Workshop on Advanced Medical Image Processing, Seoul, KoreaArtikkel i tidsskrift (Fagfellevurdert) Published
    Abstract
    Identifikatorer
    urn:nbn:se:uu:diva-90087 (URN)
    Tilgjengelig fra: 2002-12-19 Laget: 2002-12-19 Sist oppdatert: 2018-12-02bibliografisk kontrollert
    4. A comparison of methods for estimation of intensity nonuniformities in 2D and 3D microscope images of fluorescence stained cells
    Åpne denne publikasjonen i ny fane eller vindu >>A comparison of methods for estimation of intensity nonuniformities in 2D and 3D microscope images of fluorescence stained cells
    2001 (engelsk)Inngår i: In Proceedings of the 12th Scandinavian Conference on Image Analysis (SCIA), Bergen, Norway, s. 264-271Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract
    Identifikatorer
    urn:nbn:se:uu:diva-90088 (URN)
    Tilgjengelig fra: 2002-12-19 Laget: 2002-12-19 Sist oppdatert: 2018-12-02bibliografisk kontrollert
    5. Histogram thresholding using kernel density estimates
    Åpne denne publikasjonen i ny fane eller vindu >>Histogram thresholding using kernel density estimates
    2000 (engelsk)Inngår i: In Proceedings of the Swedish Society for Automated Image Analysis (SSAB) Symposium on Image Analysis, Halmstad, Sweden, s. 41-44Artikkel i tidsskrift (Fagfellevurdert) Published
    Abstract
    Identifikatorer
    urn:nbn:se:uu:diva-90089 (URN)
    Tilgjengelig fra: 2002-12-19 Laget: 2002-12-19 Sist oppdatert: 2018-12-02bibliografisk kontrollert
  • 44.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Histogram thresholding using kernel density estimates2000Inngår i: Symposium on Image Analysis - SSAB 2000, 2000, s. 41-44Konferansepaper (Annet vitenskapelig)
    Abstract
  • 45.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Histogram thresholding using kernel density estimates2000Inngår i: In Proceedings of the Swedish Society for Automated Image Analysis (SSAB) Symposium on Image Analysis, Halmstad, Sweden, s. 41-44Artikkel i tidsskrift (Fagfellevurdert)
    Abstract
  • 46.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Perimeter and Area Estimates for Digitized Objects2001Inngår i: Swedish Society for Automated Image Analysis Symposium - SSAB 2001, ITN, Campus, 2001, s. 113-117Konferansepaper (Annet vitenskapelig)
    Abstract
  • 47.
    Lindblad, Joakim
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Surface Area Estimation of Digitized 3D Objects using Weighted Local Configurations2005Inngår i: Image and Vision Computing, Vol. 23, nr 2, s. 111-122Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    We present a method for estimating surface area of three-dimensional objects in discrete binary images. A surface area weight is assigned to each 2×2×2 configuration of voxels. The total surface area of a digital object is given by a summation of the local area contributions. Optimal area weights are derived in order to provide an unbiased estimate with minimum variance for randomly oriented digitized planar surfaces. Due to co-appearance of certain voxel combinations, the optimal solution is not uniquely defined for planar surfaces. A Monte Carlo-based optimization of the estimator performance on the distribution of digitized balls of increasing radii is performed in order to uniquely determine the optimal surface area weights. The method is further evaluated on various objects in a range of sizes. A significant reduction of the error for small objects is observed. The algorithm is appealingly simple; the use of only a small local neighborhood enables efficient implementations in hardware and/or in parallel architectures.

  • 48.
    Lindblad, Joakim
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Surface area estimation of digitized planes using weighted local configurations2003Inngår i: 11th International Conference on Discrete Geometry for Computer Imagery (DGCI), 2003, s. 348-357Konferansepaper (Fagfellevurdert)
    Abstract [en]

    We describe a method for estimating surface area of three-dimensional binary objects. The method assigns a surface area weight to each 2 × 2 × 2 configuration of voxels. The total surface area is given by a summation of the local area contributions for a

  • 49.
    Lindblad, Joakim
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Surface Volume Estimation of Digitized Hyperplanes Using Weighted Local Configurations2005Inngår i: Proceedings of Discrete Geometry for Computer Imagery, 2005, s. 252-262Konferansepaper (Fagfellevurdert)
    Abstract [en]

    We present a method for estimating the surface volume of four-dimensional objects in discrete binary images. A surface volume weight is assigned to each 2 × 2 × 2 × 2 configuration of image elements. The total surface volume of a digital 4D object is given by a summation of the local volume contributions. Optimal volume weights are derived in order to provide an unbiased estimate with minimal variance for randomly oriented digitized planar hypersurfaces. Only 14 out of 64 possible boundary configurations appear on planar hypersurfaces. We use a marching hypercubes tetrahedrization to assign surface volume weights to the non-planar cases. The correctness of the method is verified on four-dimensional balls and cubes digitized in different sizes. The algorithm is appealingly simple; the use of only a local neighbourhood enables efficient implementations in hardware and/or in parallel architectures.

  • 50.
    Lindblad, Joakim
    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.
    Bengtsson, Ewert
    A Comparison of Methods for Estimation of Intensity Non-Uniformities in 2D and 3D Microscope Images of Fluorescence Stained Cells2001Inngår i: Proceedings of the 12th Scandinavian Conference on Image Analysis (SCIA), 2001, s. 264-271Konferansepaper (Fagfellevurdert)
    Abstract [en]

    A comparison of the accuracy and robustness of different data driven methods for

123 1 - 50 of 124
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