digital light processing
Dotaz
Zobrazit nápovědu
Four simple sets for digital microphotography are described that have been tested with the Carl Zeiss Jena, Meopta Prague, Lambda Prague, and LOMO Sankt Petersburg microscopes and with DSLR Nikon D 70 and Nikon D 300 cameras. They permit precise image focusing in the camera using a prism Zeiss. The sets make use of commonly available extensions Zeiss, Praktica and reductions Nikon-Praktica manufactured by ROWI (without a lens) or HAMA (with a lens). An extension has further been designed and manufactured for connecting the DSLR Nikon D 300 camera fitted with the HAMA reduction (only with a lens) and a focusing extensible prism with Zeiss Jena light measurement. It permits a precise image focusing of low light intensity objects (autofluorescence or low-contrast or moving objects when using positive or negative phase contrast). The sets are applicable to all microscopes constructed according to German DIN industrial standards.
- MeSH
- algoritmy MeSH
- dechová práce fyziologie MeSH
- fotopletysmografie metody přístrojové vybavení využití MeSH
- lidé MeSH
- oxymetrie metody přístrojové vybavení využití MeSH
- počítačové zpracování signálu MeSH
- spotřeba kyslíku fyziologie MeSH
- srdeční frekvence fyziologie MeSH
- telemetrie MeSH
- Check Tag
- lidé MeSH
- MeSH
- artefakty MeSH
- automatizované zpracování dat metody přístrojové vybavení využití MeSH
- biomedicínský výzkum metody MeSH
- fotografování metody přístrojové vybavení trendy MeSH
- interpretace obrazu počítačem metody využití MeSH
- lidé MeSH
- mikroskopie * metody přístrojové vybavení využití MeSH
- počítačové zpracování obrazu metody využití MeSH
- počítačové zpracování signálu přístrojové vybavení MeSH
- statistika jako téma MeSH
- vylepšení obrazu metody přístrojové vybavení MeSH
- Check Tag
- lidé MeSH
BACKGROUND: Plaster casts of individual patients are important for orthodontic specialists during the treatment process and their analysis is still a standard diagnostical tool. But the growing capabilities of information technology enable their replacement by digital models obtained by complex scanning systems. METHOD: This paper presents the possibility of using a digital camera as a simple instrument to obtain the set of digital images for analysis and evaluation of the treatment using appropriate mathematical tools of image processing. The methods studied in this paper include the segmentation of overlapping dental bodies and the use of different illumination sources to increase the reliability of the separation process. The circular Hough transform, region growing with multiple seed points, and the convex hull detection method are applied to the segmentation of orthodontic plaster cast images to identify dental arch objects and their sizes. RESULTS: The proposed algorithm presents the methodology of improving the accuracy of segmentation of dental arch components using combined illumination sources. Dental arch parameters and distances between the canines and premolars for different segmentation methods were used as a measure to compare the results obtained. CONCLUSION: A new method of segmentation of overlapping dental arch components using digital records of illuminated plaster casts provides information with the precision required for orthodontic treatment. The distance between corresponding teeth was evaluated with a mean error of 1.38% and the Dice similarity coefficient of the evaluated dental bodies boundaries reached 0.9436 with a false positive rate [Formula: see text] and false negative rate [Formula: see text].
- MeSH
- algoritmy * MeSH
- analogově digitální konverze MeSH
- datové soubory jako téma MeSH
- elektronické zdravotní záznamy * MeSH
- fotografování metody MeSH
- lidé MeSH
- osvětlení metody MeSH
- počítačové zpracování obrazu metody MeSH
- poměr signál - šum MeSH
- ukládání a vyhledávání informací MeSH
- zubní oblouk anatomie a histologie MeSH
- zubní odlitky - technika * MeSH
- zubní záznamy * MeSH
- Check Tag
- lidé MeSH
- Publikační typ
- časopisecké články MeSH
1st ed. xii, 368 s., obr.
Používání digitálních systémů s sebou přináší i výskyt artefaktů, které mohou zkreslit až znehodnotit diagnostickou hodnotu snímků. Některé jsou podobné těm, které vznikají u analogových filmových systémů, jiné výhradně u digitálních systémů. Digitální artefakty lze rozdělit podle toho, ve které fázi zpracování vznikly. Cílem článku je roztřídit a popsat artefakty vzniklé při použití DR a CR systémů, nalézt příčinu vzniku a snížit jejich výskyt. Klíčová slova: paměťový rozptyl, praskliny, neúplné vymazání, fantomový obraz, převrácená kazeta, sekundární záření, nevycentrovaná (obrácená) mřížka, dvojexpozice, zašumění snímku, saturace, průnik světla, vadnutí, nečistoty, znečištěný světlovod, vynechávání skenovanýchí řádků, moiré, chybný přenos, vymezení okrajů – hraniční detekce, diagnostická specifikace, ořez, prahová hustota, přestřel (überschwinger), paměť, mrtvé pixely, kalibrační maska, efekt paradoxní přeexpozice, pruhování, radiofrekvenční šum.
The using of digital systems brings the incidence of artifacts that can distort to degrade the diagnostic value of images. Some are similar to those that occur in film-screen systems, others exclusively in digital systems. Digital artifacts can be divided depending on what stage of processing incurred This article aims to describe and categorize artifacts arising from the use of DR and CR systems, to find the cause of origin and reduce their occurrence. Key words: storage scatter, cracks, partial erasure, phantom image, upside-down cassette, backscatter, grid cutoff, double exposure, quantum mottle, saturation, light leak, fading, debris, dirty light guide, skipped scan lines, moiré,faulty transfer, border detection, diagnostic specifier, clipping, density threshold, überschwinger, memory, dead pixels, calibration mask,paradoxic overexposure effect, planking, radiofrequency interference.
- MeSH
- artefakty * MeSH
- komprese dat MeSH
- počítačové zpracování obrazu MeSH
- radiologie * MeSH
- zvířata MeSH
- Check Tag
- zvířata MeSH
- MeSH
- chronická nemoc MeSH
- diagnóza MeSH
- dolní končetina krevní zásobení patofyziologie ultrasonografie MeSH
- fotopletysmografie přístrojové vybavení využití MeSH
- hodnocení postupů (zdravotní péče) MeSH
- lidé MeSH
- ultrasonografie přístrojové vybavení využití MeSH
- žilní insuficience diagnóza ultrasonografie MeSH
- Check Tag
- lidé MeSH
- MeSH
- algoritmy MeSH
- diagnostické zobrazování metody přístrojové vybavení využití MeSH
- histologie přístrojové vybavení trendy MeSH
- lidé MeSH
- mikroskopie metody využití MeSH
- počítačové zpracování obrazu metody využití MeSH
- statistika jako téma metody MeSH
- zobrazování trojrozměrné metody využití MeSH
- zvířata MeSH
- Check Tag
- lidé MeSH
- zvířata MeSH
Transmitted light holographic microscopy is particularly used for quantitative phase imaging of transparent microscopic objects such as living cells. The study of the cell is based on extraction of the dynamic data on cell behaviour from the time-lapse sequence of the phase images. However, the phase images are affected by the phase aberrations that make the analysis particularly difficult. This is because the phase deformation is prone to change during long-term experiments. Here, we present a novel algorithm for sequential processing of living cells phase images in a time-lapse sequence. The algorithm compensates for the deformation of a phase image using weighted least-squares surface fitting. Moreover, it identifies and segments the individual cells in the phase image. All these procedures are performed automatically and applied immediately after obtaining every single phase image. This property of the algorithm is important for real-time cell quantitative phase imaging and instantaneous control of the course of the experiment by playback of the recorded sequence up to actual time. Such operator's intervention is a forerunner of process automation derived from image analysis. The efficiency of the propounded algorithm is demonstrated on images of rat fibrosarcoma cells using an off-axis holographic microscope.
- MeSH
- algoritmy MeSH
- fibrosarkom patologie MeSH
- holografie metody MeSH
- interpretace obrazu počítačem metody MeSH
- krysa rodu rattus MeSH
- mikroskopie fázově kontrastní metody MeSH
- nádorové buněčné linie MeSH
- zvířata MeSH
- Check Tag
- krysa rodu rattus MeSH
- zvířata MeSH
- Publikační typ
- časopisecké články MeSH
- práce podpořená grantem MeSH
Living cell segmentation from bright-field light microscopy images is challenging due to the image complexity and temporal changes in the living cells. Recently developed deep learning (DL)-based methods became popular in medical and microscopy image segmentation tasks due to their success and promising outcomes. The main objective of this paper is to develop a deep learning, U-Net-based method to segment the living cells of the HeLa line in bright-field transmitted light microscopy. To find the most suitable architecture for our datasets, a residual attention U-Net was proposed and compared with an attention and a simple U-Net architecture. The attention mechanism highlights the remarkable features and suppresses activations in the irrelevant image regions. The residual mechanism overcomes with vanishing gradient problem. The Mean-IoU score for our datasets reaches 0.9505, 0.9524, and 0.9530 for the simple, attention, and residual attention U-Net, respectively. The most accurate semantic segmentation results was achieved in the Mean-IoU and Dice metrics by applying the residual and attention mechanisms together. The watershed method applied to this best - Residual Attention - semantic segmentation result gave the segmentation with the specific information for each cell.
