Wyniki 1-7 spośród 7 dla zapytania: authorDesc:"Michał Kruk"

Pasywna ochrona katodowa nowoczesny sposób ochrony stali zbrojeniowej DOI:

Czytaj za darmo! »

System TopZinc do ochrony katodowej konstrukcji żelbetowych, na który w grudniu 2012 r. Instytut Techniki Budowlanej i Instytut Badawczy Dróg i Mostów wydały rekomendacje techniczne, w krótkim czasie zyskał wielu zwolenników wśród kadry naukowej oraz projektantów. Wykorzystując zalety systemu TopZinc, takie jak prosty montaż bez konieczności odkrywania całego zbrojenia, naty[...]

Segmentation and characterization of grandular ducts in microscopic colon image

Czytaj za darmo! »

The paper presents the methods of the microscope colon image processing for segmentation and computation of numerical features of grandular ducts. In the first part we describe the grandular ducts segmentation algorithms applying the morphological functions. The second part contains the description of the techniques of the grandular ducts features computation algorithm. The paper describes short[...]

Extraction and parameterization of the glandular ducts in the image of colon in inflammatory bowel diseases – results of experiments

Czytaj za darmo! »

Praca przedstawia wyniki dotyczące ekstrakcji cew gruczołowych z obrazu mikroskopowego okrężnicy w stanach zapalnych jelit przy zastosowaniu metod morfologii matematycznej. Wydzielone obrazy cew poddawane są procesowi parametryzacji, której celem jest ustalenie wartości podstawowych parametrów geometrycznych mających znaczenie w diagnostyce stanu zapalnego jelita grubego. Przedstawiono wyniki badań dotyczących powiązań wartości tych parametrów ze stopniem stanu zapalnego jelita. (Ekstrakcja i parametryzacja cew gruczołowych w obrazie okrężnicy w stanach zapalnych jelit). Abstract. The paper presents the method of the microscopic colon image processing for extraction and recognition of the glandular ducts in inflammatory bowel diseases. The ducts are first segmented from the image usi[...]

Segmentacja i parametryzacja struktur histologicznych w obrazach mikroskopowych prostaty dla oceny skali Gleasona

Czytaj za darmo! »

Praca przedstawia algorytm automatycznej ekstrakcji struktur histologicznych w obrazach mikroskopowych prostaty i propozycje ich parametryzacji, która może znaleźć zastosowanie w automatycznym rozróżnianiu klas chorobowych raka prostaty opisanych skalą Gleasona. Algorytm ten oparty jest na operacjach morfologicznych. Został przetestowany na 32 obrazach, dostarczając akceptowalnych przez lekarza patomorfologa wyników. Obrazy struktur poddano następnie procesowi parametryzacji, czyli opisowi cech przy użyciu deskryptorów numerycznych. Jakość poszczególnych deskryptorów zbadano przy zastosowaniu miary Fishera, której wyniki wskazują jednoznacznie na cechy mogące mieć znaczenie przy rozwiązywaniu zadania automatycznej klasyfikacji obrazów, przypisujących ich wygląd do określonej skali Gleasona. . Abstract. The paper presents the algorithm of extraction and parameterization of the histological structures existing in the images of the prostate cancer. It is first part of research directed to the semiautomatic, diagnostic system able to recognize the Gleason scale of the image. The extraction algorithm is based on the mathematical morphological operations and geometrical characterization of the segmented structures. Its successful operation has been verified on the examples of 32 images corresponding to different stages of development of the prostate cancer. (Segmentation and parametrization of the histological structures in microscope prostate image. Słowa kluczowe: algorytm segmentacji, morfologia matematyczna, skala Gleasona, parametryzacja, przetwarzanie obrazów Keywords: segmentation algorithm, mathematical morphology, Gleason grade, parameterization, image processing Wstęp Rak stercza (prostaty) zajmuje u mężczyzn trzecie miejsce w zestawieniu zapadalności i czwarte miejsce w zestawieniu zgonów z powodu nowotworu (6-7%). Nowotwór występuje rzadko przed 40 rokiem życia (wtedy jest najbardziej śmiertelny). Średni wiek zachorowania przekrac[...]

Numerical characterization of the images of prostate cancer for recognition of Gleason scale

Czytaj za darmo! »

The paper presents the algorithm of numerical characterization of the histological structures existing in the images of the prostate cancer able to associate the image with the Gleason scale. These descriptors characterize the geometry of ducts by applying different measures, like the area defined in different way, perimeter, two types of diameters of the ducts (the short and long ) as well as some relative coefficients relating different geometrical parameters to each other. We will analyze the numerical characterization of the discrimination abilities of different descriptors by applying Fisher measure and the application of the principal component analysis (PCA) to develop the most efficient feature set, able to associate the graphical image of the biopsy with a Gleason scale in an automatic way by applying Support Vector Machine as the classifier. Streszczenie Praca przedstawia algorytm parametryzacji elementów struktur histologicznych w obrazach mikroskopowych prostaty która może znaleźć zastosowanie w automatycznym rozróżnianiu klas chorobowych raka prostaty opisanych skalą Gleasona. Obrazy struktur wydzielone z obrazu poddano procesowi parametryzacji, czyli opisowi cech przy użyciu deskryptorów numerycznych. Jakość poszczególnych deskryptorów zbadano przy zastosowaniu miary Fishera i transformacji PCA, których wyniki wskazują jednoznacznie na cechy mogące mieć znaczenie przy rozwiązywaniu zadania automatycznej klasyfikacji obrazów, przypisując ich wygląd do określonej skali Gleasona. Ostatni etap rozpoznania skali Gleasona jest realizowany przy użyciu klasyfikatora typu Support Vector Machine, który dokonuje przypisania danego obrazu do określonej skali Gleasona. (Algorytm parametryzacji elementów struktur histologicznych w obrazach mikroskopowych prostaty) Keywords: mathematical morphology, Gleason grade, parameterization, image processing. Słowa kluczowe: morfologia matematyczna, skala Gleasona, parametryzacja, przetwarzanie obrazów.[...]

Box-counting fractal dimension in application to recognition of hypertension through the retinal image analysis

Czytaj za darmo! »

The paper presents the application of the box-counting dimension to the recognition of hypertension through the analysis of the image of the eye fundus. The box-counting dimension represents a single measure, often used to describe the structure of fractal-like images. We propose based on it fast method of classification of the retinal image in order to recognize the class of healthy, introductory step and advanced illness cases. The results of experiments performed on 125 cases confirm good performance of the proposed method. Streszczenie. Praca prezentuje zastosowanie wymiaru pudełkowego do rozpoznania zmian ciśnieniowych poprzez automatyczna analizę obrazu dna oka. Zaproponowana została metoda szybkiego rozpoznania stanu chorobowego rozróżniająca trzy klasy: zdrowi, początkowy stan choroby i stan zaawansowany. Przedstawione są rezultaty rozpoznania dotyczące 125 przypadków. (Zastosowanie wymiaru pudełkowego do rozpoznania zmian ciśnieniowych poprzez automatyczna analizę obrazu dna oka) Keywords: retinal image processing, box-counting fractal dimension, image segmentation and classification Słowa kluczowe: obraz dna oka, fraktale, wymiar pudełkowy, segmentacja i rozpoznawanie obrazu Introduction Examination of the eye fundus images plays an important role in diagnosis of arterial hypertension and diabetes. Several changes are observed when illness start or is in an advanced stage. The detailed description of the degree of development of the illness, uses five-point scale [1]. The association of this scale with the view of the fundus of the eye is presented in Fig 1. The succeeding images represent typical vessel structures of eye fundus at different stages of the development of the artery hypertension. a) b) c) d) e) Fig.1. The typical images of the eye fundus at different stages of the development of the illness. a) Healthy stage, b) Stage 1 (angiopathia hypertonica retinae) c) Stage 2 (angiosclerosis hypertonica retinae) d) [...]

Computer-assisted Fuhrman grading system for the analysis of clear-cell renal carcinoma: a pilot study

Czytaj za darmo! »

The paper presents an automatic computer system for evaluation of the Fuhrman degree in renal carcinoma, of the accuracy comparable to the human expert. The solution uses the combined methods of mathematical morphology, Hough transform and neural networks for the estimation of Fuhrman degree of the carcinoma clarocellular cells, based on the microscopic kidney image. The results of numerical experiments have shown that the average discrepancy rate between the score of our system and the human expert results estimated on the basis of almost 300 cells is below 10% and this accuracy is acceptable in the medical practice. . Streszczenie Praca przedstawia podejście komputerowe do automatycznej oceny stopnia skali Fuhrmana w przypadku raka nerki. Ocena dotyczy mikroskopowego obrazu nerek. Proponowane rozwiązanie stosuje zespół metod obejmujących morfologię matematyczną, transformację Hougha, sieci neuronowe oraz grupowanie danych wielowymiarowych. Proponowane rozwiązanie zostało sprawdzone na zbiorze prawie 300 obrazów nerek z różnym stopniem zaawansowania choroby nowotworowej. (Komputerowy system oceny stopnia zaawansowania raka nerek według skali Fuhrmana) Keywords: Fuhrman grading, renal carcinoma cells, mathematical morphology, data clustering and classification, Hough transform. Słowa kluczowe: skala Fuhrmana, rak nerki, morfologia matematyczna, grupowanie i klasyfikacja danych. Introduction The grading schema of clear-cell renal carcinoma (CCRCC) is based on the microscopic image of a neoplasm cells at application of hematoxylin and eosin (H&E) staining. The most popular and widely used system for grading RCC is a nuclear grading system described in 1982 by Fuhrman [1,2]. This grading affects mainly the prognosis of the development of the illness. It is defined on a scale of 1-4, where grade 1 carries the best prognosis and grade 4 the worst. The grade is strictly correlated with stage in that larger tumors tend to be higher grade. [...]

 Strona 1