Testowanie metod automatycznej segmentacji mikroskopowych obrazów komórek

Obrazowanie komórek jest obecnie powszechnie stosowane w eksperymentach
biomedycznych. Obrazowanie to wykonywane jest w trybie tzw. wysokiej zawartości (ang.
high content), dlatego wzrokowa ocena otrzymywanych obrazów jest bardzo czasochłonna.
Kluczowym etapem przetwarzania obrazów do ich późniejszej analizy jest segmentacja. W
celu przyśpieszenia analizy obrazów biomedycznych stosowane są systemy automatycznej
segmentacji obrazów. Istotne jest, by wynik automatycznej segmentacji był jak
najdokładniejszy, ponieważ dalsze etapy automatycznej analizy obrazów bazują na tym
wyniku.
Niniejsza praca polegała na badaniu jakościowym czterech metod automatycznej segmentacji
zaimplementowanych w programie Canyon v7. Są to metody segmentacji bazujące na
progowaniu map:
-mapy modułu gradientu,
-mapy modułu gradientu Robertsa,
-mapy gradientu nowego typu Gradient Down..
-mapy gradientu nowego typu Gradient Down 2.
Wzorcami dla badanych metod, były wyniki z segmentacji ręcznej wykonane przez dwóch
specjalistów mikrobiologów.
W pracy wykazano że skuteczność badanych metod jest porównywalna z segmentacją ręczną.

Cells imaging is now commonly used in biomedical experiments. This imaging is performed
in hight content mode. Visual assessment of image is time-consuming so there is a need for
automatic image analysis systems. Segmentation is a key step in the processing of images. To
speed up biomedical image analysis, there are used automatic segmentation systems. Further
steps, of the automatic image analysis, rely on the result of segmentation. Therefore it is
important that the automatic segmentation result is as precise as possible. This work consist
results of quality tests for the automatic segmentation methods implemented in Canyon v7
software.
Segmentation methods implemented in Canyon v7 software are based on thresholding
gradient maps of cell image: Four different maps are in use:
-module of gradient
-module of Roberts gradient
-new type of gradient (Gradient Down)
-new type of gradient (Gradient Down 2)
Reference image segmentation results were obtained by of manual segmentation. This
segmentation was performed by two microbiology specialists.
The study demonstrated that the efficacy of tested methods is comparable to manual
segmentation.