Treffer: Development of a biomedical image analysis framework, based on web services

Title:
Development of a biomedical image analysis framework, based on web services
Contributors:
Μαγκλογιάννης, Ηλίας, Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων
Publisher Information:
Πανεπιστήμιο Πειραιώς
Publication Year:
2015
Collection:
University of Piraeus: Dione / Πανεπιστημίο Πειραιώς: Διώνη
Document Type:
Dissertation doctoral or postdoctoral thesis
File Description:
application/pdf
Language:
English
Rights:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές ; http://creativecommons.org/licenses/by-nc-nd/4.0/
Accession Number:
edsbas.F404427E
Database:
BASE

Weitere Informationen

Η εξόρυξη γνώσης από βιοϊατρικές εικόνες είναι μια πολύπλοκη και χρονοβόρα διαδικασία, γιατί απαιτούνται πολλά βήματα, όπως η ρύθμιση του χρώματος, το φιλτράρισμα της εικόνας, η τμηματοποίησή της, η εξαγωγή χαρακτηριστικών γνωρισμάτων, ο χαρακτηρισμός της, κ.λπ. Κάθε ένα από αυτά τα βήματα απαιτεί κατάλληλη βαθμονόμηση, ώστε συνολικά να πετύχουν το βέλτιστο αποτέλεσμα. Αυτή η διδακτορική διατριβή, εστιάζει στην ανάπτυξη ενός πλαισίου, το οποίο περιέχει τις απαραίτητες τεχνικές εξόρυξης και ανάλυσης εικόνας, οργανωμένες σε οντότητες, για την επίλυση των σύνθετων βιοϊατρικών προβλημάτων ανάλυσης εικόνας. Το προτεινόμενο πλαίσιο επιτρέπει το σχεδιασμό διαγραμμάτων ροών εργασίας, για να επιλύσει αυτά τα προβλήματα. Επιπλέον, παρέχει τη λειτουργία της αυτόματης δημιουργίας παράλληλων πολλαπλών εκδόσεων (multiple parallel instances) του διαγράμματος ροής εργασίας που σχεδιάστηκε, πραγματοποιώντας όλους τους πιθανούς συνδυασμούς των τελεστών που προστέθηκαν στο διάγραμμα, για να επιλεγεί αυτόματα ο βέλτιστος συνδυασμός ροής εργασίας. Για την υλοποίηση αυτού του πλαισίου αξιοποιήθηκε η τεχνολογία υπηρεσιών δικτύου (web services technology), σε συνδυασμό με τη μοντελοποίηση τεχνικών ανάλυσης και εξόρυξης εικόνας (image mining and analysis techniques), σε ανεξάρτητες οντότητες. Η επιλογή της βέλτιστης ροής εργασίας πραγματοποιείται, είτε συγκρίνοντας τα αποτελέσματα της τμηματοποίησης με την πραγματικότητα (Ground Truth), είτε με τη χρήση του μέτρου της απόστασης log-likelihood των ομαδοποιημένων εντοπισμένων αντικειμένων (clustered salient objects). Για τη χρήση αυτού του πλαισίου απαιτούνται βασικές - και ίσως σε κάποιες περιπτώσεις προχωρημένες - γνώσεις ανάλυσης εικόνας, αλλά δεν απαιτούνται προγραμματιστικές γνώσεις. Αυτό το πλαίσιο μπορεί να ενσωματωθεί στο πρόγραμμα διαχείρισης ροών εργασίας TAVERNA ή σε οποιαδήποτε άλλη παρόμοια πλατφόρμα. Επιπλέον, σε αυτήν τη διδακτορική διατριβή, παρουσιάζονται όλα τα βιοϊατρικά προβλήματα ανάλυσης εικόνας που εξετάσθηκαν κατά τη διάρκεια της εκπόνησής της. Καθεμιά από τις ...