• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Symposium on Biomedical Imaging: From Nano to Macro >Gaussian mixtures for intensity modeling of spots in microscopy
【24h】

Gaussian mixtures for intensity modeling of spots in microscopy

机译：高斯混合物，用于在显微镜下对斑点进行强度建模

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In confocal microscopy imaging, the target objects are labeled with fluorescent markers in the living specimen, and usually appear as spots in the observed images. Spot detection and analysis is an important task for the biological studies from the observed images. However, while the spots have irregular sizes and positions due to the variant amount of objects on each spot, the quantitative interpretation of the labeled objects is still heavily reliant on manual evaluation. In this paper, a novel shape modeling algorithm is proposed for automating the detection and analysis of the spots of interest. The algorithm exploits a Gaussian mixture model to characterize the spatial intensity distribution of the spots, and optimizes the model parameters using split-and-merge expectation maximization (SMEM) algorithm. As a result, a large amount of target objects with uncertain shapes can be analyzed in a systematic way.
机译：在共聚焦显微镜成像中，目标物体用活页标本中的荧光标记标记，并且通常在观察到的图像中显示出斑点。现场检测和分析是从观察到的图像中生物学研究的重要任务。然而，虽然斑点具有由于每个点上的物体的变体量而具有不规则尺寸和位置，但标记物体的定量解释仍然严重依赖于手动评估。本文提出了一种新颖的形状建模算法，用于自动化感兴趣的斑点的检测和分析。该算法利用高斯混合模型来表征斑点的空间强度分布，并使用分型期望最大化（SMEM）算法优化模型参数。结果，可以以系统的方式分析具有不确定形状的大量目标对象。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号