uu.seUppsala universitets publikasjoner
Endre søk
Begrens søket
123 51 - 100 of 113
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.
  • 51.
    Hedrich, Jens
    et al.
    Institute for computer visualisation, University of Koblenz-Landau, Germany.
    Paulus, Dietrich
    Institute for computer visualisation, University of Koblenz-Landau, Germany.
    Mäkeler, Hendrik
    Uppsala universitet, Enheten för musik och museer, Museum Gustavianum, Myntkabinettet.
    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.
    Image-based comparison of pre-modern coins and medals2010Inngår i: 16 Workshop Farbbildverarbeitung, 2010, s. 156-169Konferansepaper (Annet vitenskapelig)
  • 52.
    Holmberg, Björn
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik.
    Nordin, Bo
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Lanshammar, Håkan
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Reglerteknik.
    Possibilities in using skin texture based image registration for movement analysis2006Inngår i: Ninth International Symposium On the 3D Analysis of Human Motion, 2006Konferansepaper (Fagfellevurdert)
  • 53.
    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)
  • 54.
    Issac Niwas, Swamidoss
    et al.
    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.
    Palanisamy, P
    National Institute of Technology (NIT), Tiruchirappalli, India.
    Bengtsson, Ewert
    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.
    An Investigation on Nuclei of Histopathological Images using Curvelet Statistical Features2012Konferansepaper (Annet vitenskapelig)
  • 55.
    Issac Niwas, Swamidoss
    et al.
    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.
    Palanisamy, P
    National Institute of Technology (NIT), Tiruchirappalli, India.
    Bengtsson, Ewert
    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.
    Color deconvolution method for breast tissue core biopsy images cell nuclei detection and analysis using multiresolution techniques2013Inngår i: International Journal of Imaging and Robotics, ISSN 2231-525X, Vol. 9, nr 1, s. 61-72Artikkel i tidsskrift (Fagfellevurdert)
  • 56.
    Issac Niwas, Swamidoss
    et al.
    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.
    Palanisamy, P
    National Institute of Technology (NIT), Tiruchirappalli, India.
    Sujathan, K
    Regional Cancer Centre, Thiruvanathapuram, India.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Analysis of nuclei textures of fine needle aspirated cytology images for breast cancer diagnosis using complex Daubechies wavelets2013Inngår i: Signal Processing, ISSN 0165-1684, E-ISSN 1872-7557, Vol. 93, nr 10, s. 2828-2837Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Breast cancer is the most frequent cause of cancer induced death among women in the world. Diagnosis of this cancer can be done through radiological, surgical, and pathological assessments of breast tissue samples. A common test for detection of this cancer involves visual microscopic inspection of Fine Needle Aspiration Cytology (FNAC) samples of breast tissue. The result of analysis on this sample by a cytopathologist is crucial for the breast cancer patient. For the assessment of malignancy, the chromatin texture patterns of the cell nuclei are essential. Wavelet transforms have been shown to be good tools for extracting information about texture. In this paper, it has been investigated whether complex wavelets can provide better performance than the more common real valued wavelet transform. The features extracted through the wavelets are used as input to a k-nn classifier. The correct classification results are obtained as 93.9% for the complex wavelets and 70.3% for the real wavelets.

  • 57.
    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))
  • 58.
    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.

  • 59.
    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.
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för beräkningsvetenskap.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Smedby, Örjan
    Improved centerline tree detection of diseased peripheral arteries with a cascading algorithm for vascular segmentation2017Inngår i: Journal of Medical Imaging, ISSN 2329-4302, E-ISSN 2329-4310, Vol. 4, s. 024004:1-11Artikkel i tidsskrift (Fagfellevurdert)
  • 60.
    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.
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för beräkningsvetenskap.
    Wang, Chunliang
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Smedby, Örjan
    Fast vascular skeleton extraction algorithm2016Inngår i: Pattern Recognition Letters, ISSN 0167-8655, E-ISSN 1872-7344, Vol. 76, s. 67-75Artikkel i tidsskrift (Fagfellevurdert)
  • 61.
    Lidayová, Kristína
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Gupta, Anindya
    Frimmel, Hans
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för beräkningsvetenskap.
    Sintorn, Ida-Maria
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Smedby, Örjan
    Classification of cross-sections for vascular skeleton extraction using convolutional neural networks2017Inngår i: Medical Image Understanding and Analysis, Springer, 2017, s. 182-194Konferansepaper (Fagfellevurdert)
    Abstract
  • 62. Lindblad, Joakim
    et al.
    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.
    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.
    Microscopy image enhancement for cost-effective cervical cancer screening2015Inngår i: Image Analysis, Springer, 2015, s. 440-451Konferansepaper (Fagfellevurdert)
    Abstract [en]

    We propose a simple and fast method for microscopy imageenhancement and quantitatively evaluate its performance on a databasecontaining cell images obtained from microscope setups of several levelsof quality. The method utilizes an efficiently and accurately estimated rel-ative modulation transfer function to generate images of higher quality,starting from those of lower quality, by filtering in the Fourier domain.We evaluate the method visually and based on correlation coefficientand normalized mutual information. We conclude that enhanced imagesexhibit high similarity, both visually and in terms of information con-tent, with acquired high quality images. This is an important result forthe development of a cost-effective screening system for cervical cancer.

  • 63. Lindblad, Joakim
    et al.
    Sladoje, Natasa
    Malm, Patrik
    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.
    Moshavegh, Ramin
    Mehnert, Andrew
    Optimizing optics and imaging for pattern recognition based screening tasks2014Inngår i: Proc. 22nd International Conference on Pattern Recognition, IEEE Computer Society, 2014, s. 3333-3338Konferansepaper (Fagfellevurdert)
    Abstract [en]

    We present a method for simulating lower quality images starting from higher quality ones, based on acquired image pairs from different optical setups. The method does not require estimates of point (or line) spread functions of the system, but utilizes the relative transfer function derived from images of real specimen of interest in the observed application. Thanks to the use of a larger number of real specimen, excellent stability and robustness of the method is achieved. The intended use is exploring the influence of image quality on features and classification accuracy in pattern recognition based screening tasks. Visual evaluation of the obtained images strongly confirms usefulness of the method. The approach is quantitatively evaluated by observing stability of feature values, proven useful for PAP-smear classification, between synthetic and real images from seven different microscope setups. The evaluation shows that features from the synthetically generated lower resolution images are as similar to features from real images at that resolution, as features from two different images of the same specimen, taken at the same low resolution, are to each other.

  • 64.
    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.
    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.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Zaltsman, Alla
    Image Analysis for Automatic Segmentation of Cytoplasms and Classification of Rac1 Activation2004Inngår i: Cytometry, ISSN 0196-4763, E-ISSN 1097-0320, Vol. 57A, nr 1, s. 22-23Artikkel i tidsskrift (Fagfellevurdert)
    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.

  • 65.
    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.
    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.
    Vondrus, Mikael
    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.
    Björkesten, Lennart
    Statistical quality control for segmentation of fluorescence labelled cells2001Inngår i: 5th Korea-Germany Joint Workshop on Advanced Medical Image Processing, Seoul, Korea, 2001Konferansepaper (Annet vitenskapelig)
    Abstract
  • 66.
    Luengo Hendriks, Cris L.
    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.
    Malm, Patrik
    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.
    Bengtsson, Ewert
    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.
    Rapid prototyping of image analysis applications2011Inngår i: Medical Image Processing: Techniques and Applications / [ed] G. Dougherty, Springer , 2011, s. 5-25Kapittel i bok, del av antologi (Fagfellevurdert)
  • 67.
    Malm, Patrik
    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.
    Balakrishnan, Byju N.
    Sujathan, Vilayil K.
    Kumar, Rajesh
    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.
    Debris removal in Pap-smear images2013Inngår i: Computer Methods and Programs in Biomedicine, ISSN 0169-2607, E-ISSN 1872-7565, Vol. 111, nr 1, s. 128-138Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Since its introduction in the 1940s the Pap-smear test has helped reduce the incidence of cervical cancer dramatically in countries where regular screening is standard. The automation of this procedure is an open problem that has been ongoing for over fifty years without reaching satisfactory results. Existing systems are discouragingly expensive and yet they are only able to make a correct distinction between normal and abnormal samples in a fraction of cases. Therefore, they are limited to acting as support for the cytotechnicians as they perform their manual screening. The main reason for the current limitations is that the automated systems struggle to overcome the complexity of the cell structures. Samples are covered in artefacts such as blood cells, overlapping and folded cells, and bacteria, that hamper the segmentation processes and generate large number of suspicious objects. The classifiers designed to differentiate between normal cells and pre-cancerous cells produce unpredictable results when classifying artefacts. In this paper, we propose a sequential classification scheme focused on removing unwanted objects, debris, from an initial segmentation result, intended to be run before the actual normal/abnormal classifier. The method has been evaluated using three separate datasets obtained from cervical samples prepared using both the standard Pap-smear approach as well as the more recent liquid based cytology sample preparation technique. We show success in removing more than 99% of the debris without loosing more than around one percent of the epithelial cells detected by the segmentation process.

  • 68.
    Malm, Patrik
    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.
    Bengtsson, Ewert
    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.
    The CerviSCAN project: Project description and current progress2011Inngår i: Proceedings SSBA 2011, 2011Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Cervical cancer is the second most common type of cancer among women in spite of the fact that it through screening easily can be detected and cured before it becomes invasive. Current screening procedures are too complex and costly for use in developing countries. TheCerviSCAN project is an attempt to create a automated cervical cancer screening system that will lower the cost and increase the throughput of samples. This paper accounts for the current progress of the project as well as some of the planned future work.

  • 69.
    Malm, Patrik
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Brun, Anders
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    PAPSYNTH: Simulated Bright-field Images of Cervical Smears2010Inngår i: 2010 IEEE International Symposium on Biomedical Imaging: From Nano to Macro, 2010Konferansepaper (Fagfellevurdert)
    Abstract [en]

    In this paper, we present a simulator for bright-field microscope imagesof ”Pap-smears”, which is the most common technique usedtoday for cervical cancer screening. Lacking a ground truth for realimages, these realistic synthetic images may be used to tune and validateimage analysis and processing algorithms. We demonstrate thisfor two tasks: uncorrelated noise removal and nucleus segmentation.The simulator is a part of a larger project, aiming at automatic, costefficient screening for cervical cancer in developing countries.In this paper, we present a simulator for bright-field microscope imagesof ”Pap-smears”, which is the most common technique usedtoday for cervical cancer screening. Lacking a ground truth for realimages, these realistic synthetic images may be used to tune and validateimage analysis and processing algorithms. We demonstrate thisfor two tasks: uncorrelated noise removal and nucleus segmentation.The simulator is a part of a larger project, aiming at automatic, costefficient screening for cervical cancer in developing countries.

  • 70.
    Malm, Patrik
    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.
    Brun, Anders
    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.
    Simulation of bright-field microscopy images depicting pap-smear specimen2015Inngår i: Cytometry Part A, ISSN 1552-4922, E-ISSN 1552-4930, Vol. 87, nr 3, s. 212-226Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    As digital imaging is becoming a fundamental part of medical and biomedical research, the demand for computer-based evaluation using advanced image analysis is becoming an integral part of many research projects. A common problem when developing new image analysis algorithms is the need of large datasets with ground truth on which the algorithms can be tested and optimized. Generating such datasets is often tedious and introduces subjectivity and interindividual and intraindividual variations. An alternative to manually created ground-truth data is to generate synthetic images where the ground truth is known. The challenge then is to make the images sufficiently similar to the real ones to be useful in algorithm development. One of the first and most widely studied medical image analysis tasks is to automate screening for cervical cancer through Pap-smear analysis. As part of an effort to develop a new generation cervical cancer screening system, we have developed a framework for the creation of realistic synthetic bright-field microscopy images that can be used for algorithm development and benchmarking. The resulting framework has been assessed through a visual evaluation by experts with extensive experience of Pap-smear images. The results show that images produced using our described methods are realistic enough to be mistaken for real microscopy images. The developed simulation framework is very flexible and can be modified to mimic many other types of bright-field microscopy images.

  • 71.
    Malmberg, Filip
    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, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för radiologi, onkologi och strålningsvetenskap, Enheten för radiologi.
    Strand, Robin
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Kullberg, Joel
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för radiologi, onkologi och strålningsvetenskap, Enheten för radiologi.
    Nordenskjöld, Richard
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för radiologi, onkologi och strålningsvetenskap, Enheten för radiologi.
    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.
    Smart Paint: A New Interactive Segmentation Method\\ Applied to MR Prostate Segmentation2012Inngår i: Prostate MR Image Segmentation Grand Challenge (PROMISE'12), a MICCAI 2012 workshop, 2012Konferansepaper (Fagfellevurdert)
    Abstract [en]

    This paper describes a general method for interactive segmentation, Smart Paint. The user interaction is inspired by the way an airbrush is used, objects are segmented by "sweeping" with the mouse cursor in the image. The user adds or removes details in 3D by the proposed segmentation tool and the user interface shows the segmentation result in 2D slices through the object. We use the novel method for prostate segmentation in transversal T2-weighted MR images from multiple centers and vendors and with differences in scanning protocol.

    The method was evaluated on the training set obtained from http://promise12.grand-challenge.org. In the first round, all 50 volumes were segmented and the mean of Dice's coefficient was 0.82 with standard deviation 0.09. In a second round, the first 30 volumes were re-segmented by the same user and the result was slightly improved -- Dice's coefficient 0.86 $\pm$ 0.05 was obtained. For the training data, the mean time to segment a volume was 3 minutes and 30 seconds.

    The proposed method is a generic tool for interactive image segmentation and this paper illustrates that it is well-suited for prostate segmentation.

  • 72.
    Mehnert, Andrew
    et al.
    The University of Queensland, Brisbane, Australia.
    Bengtsson, Ewert
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    McMahon, Kerry
    Greenslopes Private Hospital, Brisbane, Australia.
    Kennedy, Dominic
    Greenslopes Private Hospital, Brisbane, Australia.
    Wilson, Stepehen
    The University of Queensland, Brisbane, Australia.
    Crozier, Stuart
    University of Queensland, Brisbane, Australia.
    Dynamic breast MRI visualised through colour mapping2005Inngår i: Proceedings SSBA 2005, 2005, s. 9-12Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    The pattern of change of signal intensity over time in contrast enhanced MR images of the breast is a useful indicator of malignancy. In this paper a new pixel mapping method for visualising the time course of the contrast uptake is presented. The method reduces the sequence of images of a single spatial slice over time to a single colour-coded image. This is achieved by fitting a linear-slope model pixel-wise to the slice time series and using the fitted parameters to define modified HSV colour space coordinates. The model parameters are related to the shape of the signal intensity-time curve at each pixel. The effect is that pixels with rapid uptake and significant postcontrast enhancement appear brighter and more saturated, whilst the nature and degree of intermediate and late postcontrast enhancement is reflected in the colour hue. Preliminary results are reported for six subjects with suspicious MRI findings subsequently confirmed by pathology. The results suggest that the method shows promise as a replacement for, or adjunct to, the review of the raw time series data and/or associated difference images in the clinical setting.

  • 73.
    Mehnert, Andrew
    et al.
    The University of Queensland.
    Bengtsson, Ewert
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    McMahon, Kerry
    Greenslopes Private Hospital.
    Kennedy, Dominic
    Greenslopes Private Hospital.
    Wilson, Stephen
    The University of Queensland.
    Crozier, Stuart
    The University of Queensland.
    Visualisation of the pattern of contrast enhancement in dynamic breast MRI2005Inngår i: WDIC 2005: Workshop Proceedings, 2005Konferansepaper (Fagfellevurdert)
    Abstract [en]

    A new pixel-mapping method for visualising contrast uptake in dynamic MR images of the breast is presented. The method reduces the sequence of images of a single spatial slice over time to a single colour-coded image. This is achieved by fitting a linear-slope model pixel-wise to the slice time series and using the fitted parameters to define HSV colour space coordinates. The model parameters are related to the shape of the signal intensity-time curve at each pixel. The effect is that pixels with rapid and significant initial postcontrast enhancement appear brighter and more saturated, whilst the nature and degree of intermediate and late postcontrast enhancement is reflected in the colour hue. Preliminary results are reported for six subjects with suspicious MRI findings subsequently confimed by pathology. The results suggest that the method shows

    promise as a replacement for, or adjunct to, the review of the raw time series data and/or associated difference images in the clinical setting.

  • 74. Mehnert, Andrew
    et al.
    Moshavegh, Ramin
    Sujathan, Vilayil K.
    Malm, Patrik
    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.
    A Structural Texture Approach for Characterising Malignancy Associated Changes in Pap Smears Based on Mean-Shift and the Watershed Transform2014Inngår i: Proc. 22nd International Conference on Pattern Recognition, IEEE Computer Society, 2014, s. 1189-1193Konferansepaper (Fagfellevurdert)
    Abstract [en]

    This paper presents a novel structural approach to quantitatively characterising nuclear chromatin texture in light microscope images of Pap smears. The approach is based on segmenting the chromatin into blob-like primitives and characterising their properties and arrangement. The segmentation approach makes use of multiple focal planes. It comprises two basic steps: (i) mean-shift filtering in the feature space formed by concatenating pixel spatial coordinates and intensity values centred around the best all-in-focus plane; and (ii) hierarchical marker-based watershed segmentation. The paper also presents an empirical evaluation of the approach based on the classification of 43 routine clinical Pap smears. Two variants of the approach were compared to a reference approach (employing extended depth-of-field rather than mean-shift) in a feature selection/classification experiment, involving 138 segmentation-based features, for discriminating normal and abnormal slides. The results demonstrate improved performance over the reference approach. The results of a second feature selection/classification experiment, including additional classes of features from the literature, show that a combination of the proposed structural and conventional features yields a classification performance of 0.919 +/- 0.015 (AUC +/- Std.Dev.). Overall the results demonstrate the efficacy of the proposed structural approach and confirm that it is indeed possible to detect malignancy associated changes (MACs) in conventional Papanicolaou stain.

  • 75. Moshavegh, R.
    et al.
    Bejnordi, B. E.
    Mehnert, A.
    Sujathan, K.
    Malm, Patrik
    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.
    Automated segmentation of free-lying cell nuclei in Pap smears for malignancy-associated change analysis2012Inngår i: Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBS, 2012, s. 5372-5375Konferansepaper (Fagfellevurdert)
    Abstract [en]

    This paper presents an automated algorithm for robustly detecting and segmenting free-lying cell nuclei in bright-field microscope images of Pap smears. This is an essential initial step in the development of an automated screening system for cervical cancer based on malignancy associated change (MAC) analysis. The proposed segmentation algorithm makes use of gray-scale annular closings to identify free-lying nuclei-like objects together with marker-based watershed segmentation to accurately delineate the nuclear boundaries. The algorithm also employs artifact rejection based on size, shape, and granularity to ensure only the nuclei of intermediate squamous epithelial cells are retained. An evaluation of the performance of the algorithm relative to expert manual segmentation of 33 fields-of-view from 11 Pap smear slides is also presented. The results show that the sensitivity and specificity of nucleus detection is 94.71% and 85.30% respectively, and that the accuracy of segmentation, measured using the Dice coefficient, of the detected nuclei is 97.30±1.3%.

  • 76.
    Nilsson, Mats F.
    et al.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap.
    Danielsson, C.
    Sköld, A.-C.
    Johansson, A.
    Blomgren, B.
    Wilson, J.
    Khan Niazi, Khalid Muhammad
    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, Institutionen för informationsteknologi, Datoriserad bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Kultima, Kim
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för medicinska vetenskaper.
    Webster, W. S.
    Danielsson, Bengt R.
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap.
    Improved methodology for identifying the teratogenic potential in early drug development of hERG channel blocking drugs2010Inngår i: Reproductive Toxicology, ISSN 0890-6238, E-ISSN 1873-1708, Vol. 29, nr 2, s. 156-163Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Drugs blocking the potassium current IKr of the heart (via hERG channel-inhibition) have the potential to cause hypoxia-related teratogenic effects. However, this activity may be missed in conventional teratology studies because repeat dosing may cause resorptions. The aim of the present study was to investigate an alternative protocol to reveal the teratogenic potential of IKr-blocking drugs. The IKr blocker astemizole, given as a single dose (80mg/kg) on gestation day (GD) 13 to pregnant rats caused digital defects. In whole rat embryo culture (2h) on GD 13, astemizole caused a decrease in embryonic heart rate at 20nM, and arrhythmias at 200-400nM. Cetirizine, without IKr-blocking properties, did not affect the rat embryonic heart in vitro. The present study shows that single dose testing on sensitive days of development, together with whole embryo culture, can be a useful methodology to better characterize the teratogenic potential of IKr-blocking drugs.

  • 77.
    Nordin, Bo
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Dahlqvist, Bengt
    Eriksson, Olle
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Jarkrans, Torsten
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Stenkvist, Björn
    Object Oriented Cell Image Segmentation1982Inngår i: Proceedings of the IEEE International Symposium on Medical Imaging and Image Interpretation, 1982, s. 140-145Konferansepaper (Fagfellevurdert)
  • 78.
    Pinidiyaarachchi, Amalka
    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.
    Göransson, Jenny
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Gonzalez-Rey, Carlos
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Howell, Mathias
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Melin, Jonas
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Tekniska sektionen, Institutionen för teknikvetenskaper.
    Jarvius, Jonas
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Nilsson, Mats
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Digital image processing for multiplexing of single molecule detection2005Inngår i: Medicinteknikdagarna: Stockholm/Södertälje September 27-28, 2005, 2005Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Using padlock and proximity probing techniques, individual molecular identification events are converted to long DNA molecules, carrying repeated sequence motifs used for identification of the detected molecules. We show that identification events can be amplified using rolling circle replication, and randomly attached to a surface for repeated access by identification probes. Repeated hybridization with detection probes carrying fluorescing nano-crystals (quantum dots) of varying spectral properties opens the possibility to search for large numbers of different identification events simultaneously. Methods for digital image processing of the resulting multi-spectral data include spatial as well as spectral data clustering. Spatial data processing includes registration of images from repeated hybridization events as well as delineation of clustered reporter events. Spectral data processing and analysis includes classification of spectral data into groups of either pre-defined or unknown patterns representing different molecular identification events.

  • 79.
    Ranefall, Petter
    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.
    Wester, Kenneth
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Andersson, Ann-Catrin
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Busch, Christer
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för genetik och patologi.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Automatic quantification of immunohistochemically stained cell nuclei based on standard reference cells1998Inngår i: Analytical Cellular Pathology, ISSN 0921-8912, E-ISSN 1878-3651, Vol. 17, nr 2, s. 111-23Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    A fully automatic method for quantification of images of immunohistochemically stained cell nuclei by computing area proportions, is presented. Agarose embedded cultured fibroblasts were fixed, paraffin embedded and sectioned at 4 microm. They were then stained together with 4 microm sections of the test specimen obtained from bladder cancer material. A colour based classifier is automatically computed from the control cells. The method was tested on formalin fixed paraffin embedded tissue section material, stained with monoclonal antibodies against the Ki67 antigen and cyclin A protein. Ki67 staining results in a detailed nuclear texture with pronounced nucleoli and cyclin A staining is obtained in a more homogeneously distributed pattern. However, different staining patterns did not seem to influence labelling index quantification, and the sensitivity to variations in light conditions and choice of areas within the control population was low. Thus, the technique represents a robust and reproducible quantification method. In tests measuring proportions of stained area an average standard deviation of about 1.5% for the same field was achieved when classified with classifiers created from different control samples.

  • 80.
    Ranefall, Petter
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Wählby, Carolina
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion. Uppsala universitet, Science for Life Laboratory, SciLifeLab.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Automatic grading of breast cancer from whole slide images of Ki67 stained tissue sections2016Konferansepaper (Annet vitenskapelig)
    Abstract [en]

    Aim

    This work describes a proof-of-principle study within the Exchange of Diagnostic Images in Networks (ExDIN) project, for automatic grading of breast cancer from whole slide images of Ki67 stained tissue sections. The idea was to mimic the manual grading process: “The assessment is carried out on invasive cancer within the area with the highest number of Ki67-positive cancer cell nuclei/area (hot spot), containing at least 200 cells.”

    Method

    • Color deconvolution to separate the image into brown and blue channels.

    • Extract the 10 subsampled tiles (size corresponding to ~200 cells) with the highest values for pre-defined texture and color features.

    • Analyze these tiles in full resolution and compute the maximum positivity (defined as area of positive cells in relation to total cell area, rather than number of cells, since that will speed up the computations and avoid introducing errors due to over- or under segmentation of connected objects).

       

       

       

       

       

       

       

       

       

       

       

       

       

    Figure 1. Illustration of the procedure. Hot spot candidates are extracted from low resolution tiles. Then the final hot spot is selected among the corresponding full resolution versions.

    The results show good correlation to manual estimates and the procedure takes ~4 minutes/slide.

    Future improvements

    • Rules and features defined using machine learning based on training samples given by pathologists.

    • User interface where suggested regions can be deselected manually.

  • 81.
    Razifar, Pasha
    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.
    Axelsson, Jan
    Uppsala Imanet.
    Schneider, Harald
    Uppsala Imanet.
    Långström, Bengt
    Uppsala Imanet. 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.
    Bergström, Mats
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap.
    A new application of pre-normalized principal component analysis for improvement of image quality and clinical diagnosis in human brain PET studies - Clinical brain studies using [C-11]-GR205171, [C-11]-L-deuterium-deprenyl, [C-11]-5-hydroxy-L-tryptophan, [C-11]-L-DOPA and Pittsburgh Compound-B2006Inngår i: NeuroImage, ISSN 1053-8119, E-ISSN 1095-9572, Vol. 33, nr 2, s. 588-598Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Principal component analysis (PCA) is one of the most applied multivariate image analysis tool on dynamic Positron Emission Tomography (PET). Independent of used reconstruction methodologies, PET images contain correlation in-between pixels, correlations in-between frame and errors caused by the reconstruction algorithm including different corrections, which can affect the performance of the PCA. In this study, we have investigated a new approach of application of PCA on pre-normalized, dynamic human PET images. A range of different tracers have been used for this purpose to explore the performance of the new method as a way to improve detection and visualization of significant changes in tracer kinetics and to enhance the discrimination between pathological and healthy regions in the brain. We compare the new results with the results obtained using other methods. Images generated using the new approach contain more detailed anatomical information with higher quality, precision and visualization, compared with images generated using other methods.

  • 82.
    Razifar, Pasha
    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.
    Axelsson, Jan
    Schneider, Harald
    Långström, Bengt
    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.
    Bergström, Mats
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Farmaceutiska fakulteten, Institutionen för farmaceutisk biovetenskap.
    Volume-Wise Application of Principal Component Analysis on Masked Dynamic PET Data in Sinogram Domain2006Inngår i: IEEE Transactions on Nuclear Science, ISSN 0018-9499, E-ISSN 1558-1578, Vol. 53, nr 5, s. 2759-2768Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    Most of the methods used for analyzing PET data are applied in the spatial domain (image domain), in which reconstructed images contain all different types of effects and errors caused by the reconstruction algorithm such as correlation in-between pixels, correlations in-between frames, and streak-artifacts. In this paper, we have investigated a new, pixel wise, noise prenormalization method used for transformation of input data followed by volume-wise application of principal component analysis (PCA) on masked dynamic PET data in the sinogram domain. We are aiming to improve the performance of PCA and to provide images with improved quality and signal extraction. We compare the performance of PCA and the image quality obtained with the new method with previously published approaches. The results show improvement of performance of PCA with respect to, image quality, signal extraction, precision, and visualization.

  • 83.
    Razifar, Pasha
    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.
    Lubberink, Mark
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Fysiska sektionen, Fysiska institutionen.
    Schneider, Harald
    Långström, Bengt
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Kemiska sektionen, Kemiska institutionen.
    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.
    Bergström, Mats
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap.
    Non-isotropic noise correlation in PET data reconstructed by FBP but not by OSEM demonstrated using auto-correlation function2005Inngår i: Bio Medical Central (BMC): Medical Imaging, Vol. 5, nr 3Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    BACKGROUND: Positron emission tomography (PET) is a powerful imaging technique with the potential of obtaining functional or biochemical information by measuring distribution and kinetics of radiolabelled molecules in a biological system, both in vitro and in vivo. PET images can be used directly or after kinetic modelling to extract quantitative values of a desired physiological, biochemical or pharmacological entity. Because such images are generally noisy, it is essential to understand how noise affects the derived quantitative values. A pre-requisite for this understanding is that the properties of noise such as variance (magnitude) and texture (correlation) are known. METHODS: In this paper we explored the pattern of noise correlation in experimentally generated PET images, with emphasis on the angular dependence of correlation, using the autocorrelation function (ACF). Experimental PET data were acquired in 2D and 3D acquisition mode and reconstructed by analytical filtered back projection (FBP) and iterative ordered subsets expectation maximisation (OSEM) methods. The 3D data was rebinned to a 2D dataset using FOurier REbinning (FORE) followed by 2D reconstruction using either FBP or OSEM. In synthetic images we compared the ACF results with those from covariance matrix. The results were illustrated as 1D profiles and also visualized as 2D ACF images. RESULTS: We found that the autocorrelation images from PET data obtained after FBP were not fully rotationally symmetric or isotropic if the object deviated from a uniform cylindrical radioactivity distribution. In contrast, similar autocorrelation images obtained after OSEM reconstruction were isotropic even when the phantom was not circular. Simulations indicated that the noise autocorrelation is non-isotropic in images created by FBP when the level of noise in projections is angularly variable. Comparison between 1D cross profiles on autocorrelation images obtained by FBP reconstruction and covariance matrices produced almost identical results in a simulation study. CONCLUSION: With asymmetric radioactivity distribution in PET, reconstruction using FBP, in contrast to OSEM, generates images in which the noise correlation is non-isotropic when the noise magnitude is angular dependent, such as in objects with asymmetric radioactivity distribution. In this respect, iterative reconstruction is superior since it creates isotropic noise correlations in the images.

  • 84.
    Razifar, Pasha
    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.
    Sandström, Mattias
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Fysiska sektionen, Fysiska institutionen.
    Schneider, Harald
    Långström, Bengt
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Kemiska sektionen, Kemiska institutionen.
    Maripuu, Enn
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Fysiska sektionen, Fysiska institutionen.
    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.
    Bergström, Mats
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för neurovetenskap.
    Noise correlation in PET, CT, SPECT and PET/CT data evaluated using autocorrelation function: a phantom study on data, reconstructed using FBP and OSEM.2005Inngår i: Bio Medical Central (BMC): Medical Imaging, Vol. 5, nr 5Artikkel i tidsskrift (Fagfellevurdert)
    Abstract [en]

    BACKGROUND: Positron Emission Tomography (PET), Computed Tomography (CT), PET/CT and Single Photon Emission Tomography (SPECT) are non-invasive imaging tools used for creating two dimensional (2D) cross section images of three dimensional (3D) objects. PET and SPECT have the potential of providing functional or biochemical information by measuring distribution and kinetics of radiolabelled molecules, whereas CT visualizes X-ray density in tissues in the body. PET/CT provides fused images representing both functional and anatomical information with better precision in localization than PET alone.Images generated by these types of techniques are generally noisy, thereby impairing the imaging potential and affecting the precision in quantitative values derived from the images. It is crucial to explore and understand the properties of noise in these imaging techniques. Here we used autocorrelation function (ACF) specifically to describe noise correlation and its non-isotropic behaviour in experimentally generated images of PET, CT, PET/CT and SPECT. METHODS: Experiments were performed using phantoms with different shapes. In PET and PET/CT studies, data were acquired in 2D acquisition mode and reconstructed by both analytical filter back projection (FBP) and iterative, ordered subsets expectation maximisation (OSEM) methods. In the PET/CT studies, different magnitudes of X-ray dose in the transmission were employed by using different mA settings for the X-ray tube. In the CT studies, data were acquired using different slice thickness with and without applied dose reduction function and the images were reconstructed by FBP. SPECT studies were performed in 2D, reconstructed using FBP and OSEM, using post 3D filtering. ACF images were generated from the primary images, and profiles across the ACF images were used to describe the noise correlation in different directions. The variance of noise across the images was visualised as images and with profiles across these images. RESULTS: The most important finding was that the pattern of noise correlation is rotation symmetric or isotropic, independent of object shape in PET and PET/CT images reconstructed using the iterative method. This is, however, not the case in FBP images when the shape of phantom is not circular. Also CT images reconstructed using FBP show the same non-isotropic pattern independent of slice thickness and utilization of care dose function. SPECT images show an isotropic correlation of the noise independent of object shape or applied reconstruction algorithm. Noise in PET/CT images was identical independent of the applied X-ray dose in the transmission part (CT), indicating that the noise from transmission with the applied doses does not propagate into the PET images showing that the noise from the emission part is dominant. The results indicate that in human studies it is possible to utilize a low dose in transmission part while maintaining the noise behaviour and the quality of the images. CONCLUSION: The combined effect of noise correlation for asymmetric objects and a varying noise variance across the image field significantly complicates the interpretation of the images when statistical methods are used, such as with statistical estimates of precision in average values, use of statistical parametric mapping methods and principal component analysis. Hence it is recommended that iterative reconstruction methods are used for such applications. However, it is possible to calculate the noise analytically in images reconstructed by FBP, while it is not possible to do the same calculation in images reconstructed by iterative methods. Therefore for performing statistical methods of analysis which depend on knowing the noise, FBP would be preferred.

  • 85.
    Riis, Ulla
    et al.
    Uppsala universitet, Humanistisk-samhällsvetenskapliga vetenskapsområdet, Samhällsvetenskapliga fakulteten, Pedagogiska institutionen.
    Bengtsson, EwertUppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.Lennart, FahlénPedersen, JensSamuelsson, Joakim
    IT i skolan mellan vision och praktik  : en forskningsöversikt2000Collection/Antologi (Annet vitenskapelig)
  • 86.
    Runow Stark, Christina
    et al.
    Public Dental Health Center of Stockholm County Council, Medicinsk Tandvård, Södersjukhuset Stockholm.
    Gustavsson, Inger
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi.
    Gyllensten, Ulf
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för immunologi, genetik och patologi.
    Darai Ramqvist, Eva
    Dpt of Pathology and Cytology, Karolinska Institute, Stockholm.
    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, 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.
    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. Uppsala university.
    Hirsch, Jan-Michael
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Brush Biopsy For HR-HPV Detection With FTA Card And AI For Cytology Analysis - A Viable Non-invasive Alternative2018Inngår i: EAOM2018 / [ed] Bengt Hasséus, 2018Konferansepaper (Fagfellevurdert)
    Abstract [en]

    Introduction: Oral cancer accounts for about 800-1,000 new cases each year in Sweden and the ratio of cancer related to high-risk human papillomavirus (HR-HPV) is increasing in the younger population due to changes in sexual habits. The most two frequent HR-HPV types 16 and 18 have both significant oncogenic potential.

    Objectives: In this pilot study we evaluate two non-invasive automated methods; 1) detection of HR-HPV using FTA cards, and 2) image scanning of cytology for detection of premalignant lesions as well as eradicate the early stage of neoplasia.

    Material and Methods: 160 patients with verified HR-HPV oropharyngeal cancer, previous ano-genital HR-HPV-infection or potentially malignant oral disorder were recruited for non-invasive brush sampling and analyzed with two validated automated methods both used in cervix cancer screening. For analysis of HR-HPV DNA the indicating FTA elute micro cardTM were used for dry collection, transportation and storage of the brush samples. For analysis of cell morphology changes an automated liquid base Cytology method (Preserve Cyt) combined with deep learning computer aided technique was used.

    Results: Preliminary results show that the FTA-method is reliable and indicates that healthy and malignant brush samples can be separated by image analysis. 

    Conclusions: With further development of these fully automated methods, it is possible to implement a National Screening Program of the oral mucosa, and thereby select patients for further investigation in order to find lesions with potential malignancy in an early stage. 

  • 87. Smedby, Örjan
    et al.
    Bengtsson, EwertUppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.Persson, Anders
    Interaction in medical image analysis and visualization2007Konferanseproceedings (Fagfellevurdert)
  • 88. Stenkvist, Björn
    et al.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Dahlqvist, Bengt
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Eklund, Gunnar
    Eriksson, Olle
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Jarkrans, Torsten
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Nordin, Bo
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Analysing the Factors That Make Breast Cancer Recur1982Konferansepaper (Fagfellevurdert)
  • 89. Stenkvist, Björn
    et al.
    Bengtsson, Ewert
    Uppsala universitet.
    Dahlqvist, Bengt
    Uppsala universitet.
    Eklund, Gunnar
    Eriksson, Olle
    Uppsala universitet.
    Jarkrans, Torsten
    Uppsala universitet.
    Nordin, Bo
    Uppsala universitet.
    Cardiac Glycosides and Breast Cancer Revised: Letter to the Editor1982Inngår i: New England Journal of Medicine, ISSN 0028-4793, E-ISSN 1533-4406, Vol. 306, nr 8, s. 484-Artikkel i tidsskrift (Annet vitenskapelig)
  • 90. Stenkvist, Björn
    et al.
    Bengtsson, Ewert
    Uppsala universitet.
    Dahlqvist, Bengt
    Uppsala universitet.
    Eklund, Gunnar
    Eriksson, Olle
    Uppsala universitet.
    Jarkrans, Torsten
    Uppsala universitet.
    Nordin, Bo
    Uppsala universitet.
    Predicting Breast Cancer Recurrence1982Inngår i: Cancer, ISSN 0008-543X, Vol. 50, s. 2884-2893Artikkel i tidsskrift (Fagfellevurdert)
  • 91. Stenkvist, Björn
    et al.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Dahlqvist, Bengt
    Eklund, Gunnar
    Eriksson, Olle
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Nordin, Bo
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Bedömning av återfallsrisk vid bröstcancer1981Konferansepaper (Fagfellevurdert)
  • 92.
    Stenkvist, Björn
    et al.
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Dahlqvist, Bengt
    Eklund, Gunnar
    Eriksson, Olle
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Nordin, Bo
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Factors of Prognostic Significance in Human Breast Cancer1981Konferansepaper (Fagfellevurdert)
  • 93.
    Vidholm, Erik
    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.
    Malmberg, Filip
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Nyström, Ingela
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Centrum för bildanalys.
    A toolkit for interactive medical image visualization and segmentation with haptics2008Manuskript (preprint) (Annet vitenskapelig)
  • 94.
    Vidholm, Erik
    et al.
    Uppsala universitet.
    Mehnert, Andrew
    ITEE, The University of Queensland, Brisbane, Australia.
    Bengtsson, Ewert
    Uppsala universitet.
    Wildermoth, Michael
    ITEE, The University of Queensland, Brisbane, Australia.
    McMahon, Kerry
    Queensland X-Ray, Greenslopes Private Hospital, Brisbane, Australia.
    Wilson, Steven
    ITEE, The University of Queensland, Brisbane, Australia.
    Crozier, Stuart
    ITEE, The University of Queensland, Brisbane, Australia.
    Hardware-accelerated volume visualisation of parametrically mapped dynamic breast MRI data2007Inngår i: MICCAI 2007: Workshop on Interaction in medical image analysis and visualization, 2007, s. 33-40Konferansepaper (Fagfellevurdert)
    Abstract [en]

    We present a new approach to visualising parametric volumes obtained in voxel-wise model fitting of dynamic contrast-enhanced

    (DCE) MRI data of the breast. The visualisation makes use of hardware accelerated rendering to obtain an interactive, 3D colour-correct maximum intensity projection (MIP). The method has been realised in software that permits the user to not only interactively visualise the parametric volume but also to delineate 3D regions of interest using a 2D slicewise interface. Experimental results, based on 14 DCE-MRI data sets from routine clinical practice, show that using the visualisation/tracing tool a medically qualified operator can achieve the same sensitivity for the detection of malignancy as a radiologist using conventional manual interpretation, but with better specificity. The results demonstrate that the visualisation methodology/software has potential as a tool for assisting the radiologist with the task of interpreting 4D DCE-MRI data in the routine clinical setting.

  • 95.
    Vidholm, Erik
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Tizon, Xavier
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Nyström, Ingela
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Haptic guided seeding of MRA images for semi-automatic segmentation2004Inngår i: Proceedings of IEEE international symposium on biomedical imaging: From nano to macro, 2004, s. 288-291Konferansepaper (Fagfellevurdert)
    Abstract [en]

    We investigate how stereo graphics

    and haptics can be combined to facilitate the seeding procedure

    in semi-automatic segmentation of magnetic resonance angiography (MRA)

    images. Real-time volume rendering using maximum intensity

    projections (MIPs) has been implemented together with a haptic

    rendering method that provides force feedback based on local

    gradients and intensity values. This combination allows a

    user to trace vessels in the image, and to

    place seed-points directly in the 3D data set. Seed-regions

    are propagated from the seed-points

    according to an algorithm that favors bright voxels.

    An experienced user have tested the interface

    on whole-body MRA images with promising results.

  • 96.
    Wehrmann, Felix
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Bengtsson, Ewert
    Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Modelling non-linearities in images using an auto-associativeneural network2003Konferansepaper (Fagfellevurdert)
    Abstract [en]

    In this paper, we address non-linearities in images to approach

  • 97.
    Wehrmann, Felix
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Bengtsson, Ewert
    Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Modelling of shapes without landmarks2003Konferansepaper (Fagfellevurdert)
    Abstract [en]

    The complexity in variation that objects are provided with motivates to consider learning strategies when modeling their shape. This paper evaluates auto-associative neural networks and their application to shape analysis. Previously, such networks have b

  • 98.
    Wieslander, Håkan
    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.
    Forslid, Gustav
    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.
    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.
    Hirsch, Jan-Michaél
    Uppsala universitet, Medicinska och farmaceutiska vetenskapsområdet, Medicinska fakulteten, Institutionen för kirurgiska vetenskaper, Käkkirurgi.
    Runow Stark, Christina
    Sadanandan, Sajith Kecheril
    Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Avdelningen för visuell information och interaktion. Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Bildanalys och människa-datorinteraktion.
    Deep convolutional neural networks for detecting cellular changes due to malignancy2017Inngår i: Proc. 16th International Conference on Computer Vision Workshops, IEEE Computer Society, 2017, s. 82-89Konferansepaper (Fagfellevurdert)
  • 99.
    Wählby, Carolina
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Segmentation of cell nuclei in tissue by combining seeded watersheds with gradient information2003Inngår i: Proceedings of SCIA-03: Scandinavian Conference on Image Analysis, 2003, s. 408-414Konferansepaper (Fagfellevurdert)
    Abstract [en]

    This paper deals with the segmentation of cell nuclei in tissue. We present a region-based segmentation method where seeds representing object- and background-pixels are created by morphological filtering. The seeds are then used as a starting point for watershed segmentation of the gradient magnitude of the original image. Over-segmented objects are thereafter merged based on the gradient magnitude between the adjacent objects. The method was tested on a total of 726 cell nuclei in 7 images, and 95% correct segmentation was achieved.

  • 100.
    Wählby, Carolina
    et al.
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Bengtsson, Ewert
    Uppsala universitet, Fakultetsövergripande enheter, Centrum för bildanalys. Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Institutionen för informationsteknologi, Datoriserad bildanalys.
    Watershed techniques for segmentation in image cytometry2003Inngår i: Proceedings of the 1st International Cytomics Conference: Newport, Wales, United Kingdom, 2003Konferansepaper (Annet vitenskapelig)
123 51 - 100 of 113
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