billedanalyse er udvinding af nyttig information fra digitale billeder og har anvendelser inden for mange områder fra astronomi til dyreologi, herunder biologi, medicin og industriel inspektion.
Center for Imaging Sciences
i Center for Imaging Sciences arbejder fysikere, kemikere, dataloger, bioscientists og kliniske forskere sammen om at udvikle nye metoder og anvende banebrydende billeddannelses-og beregningsteknikker til forståelse af sygdom, dets styring og behandling.
vi hjælper med at udnytte universitetets omfattende billeddannelsesfaciliteter bedst muligt (herunder magnetisk resonansbilleddannelse og Positronemissionstomografiudstyr, en cyklotron-og radiokemifaciliteter og omfattende bio-billeddannelsesudstyr). Vi udvikler og anvender nye computeralgoritmer til at forstå og fortolke medicinske og biologiske billeddata.
ledende forskere:
Professor Timothy Cootes
Tim Udvikler statistiske modeller af både form og udseende, som har vist sig meget nyttige til fortolkning af billeder af mange forskellige slags. Han har været banebrydende for nye algoritmer (såsom’ Active Shape Models `(ASMs) og’ Active udseende modeller ‘ (AAMs)), der bruger sådanne modeller til at finde konturerne af strukturer i billeder. Disse har mange anvendelser, herunder lokalisering af knogler og organer i medicinske billeder, til genkendelse af ansigt og gestus og til industriel inspektion.
Tim har en særlig interesse i muskuloskeletale applikationer med projekter, der sigter mod at identificere mennesker med osteoporose (www.stopfrac.com), måle knogleform (www.bone-finder.com) og forstå, hvordan man bedst kan overvåge og behandle slidgigt. For en mere information se hans liste over aktuelle projekter.
Dr Neil Thacker
hans forskning involverer ofte vurdering af de grundlæggende principper, som emnerne for computersyn og billedanalyse bygger på. Nyere forskning har involveret; udvikling af en statistisk selvkonsistent løsning på problemet med at analysere punktbaserede formmodeller for genetik, det første fuldt kvantitative kvantitative mønstergenkendelsessystem, og metoder til kalibrering af MR-baseret diffusionsmåling til klinisk praksis. Alt arbejde udføres ved hjælp af principper for kvantitativ brug af sandsynlighed bakket op med Monte Carlo test, generelt bootstrapped fra virkelige verden data prøver.
nogle af Neils nylige arbejde omfattede design af en ny tilgang, lineære Poisson-modeller til analyse af MR-billeddata for at vurdere volumenet af en tumor, der reagerer på behandling i prækliniske kræftforsøg. Metoden genererede en forbedring i statistisk følsomhed af en faktor på seksten over en konventionel T-test i de samme data.
Datalogisk Skole
ledende forskere:
professor Chris Taylor
Chris er direktør for Manchester Informatik og har været en førende figur inden for sundhedsinformatik i Storbritannien i over 15 år. Han har også været på forkant computer vision forskning i over 35 år med nogle af de mest citerede publikationer på området og en stærk rekord i teknologioverførsel. Hans kerneforskning er inden for computersyn og medicinsk billedanalyse – med en central interesse i at udvikle generiske metoder til at understøtte praktiske anvendelser inden for medicin, industri og handel. Hans interesser i billedanalyse dækker mammografi, knogler og led billeddannelse (OA, RA), Nailfold Capillaroscopy sammen med ansigtsgenkendelse/analyse.
Dr Tingting Mu
Tingting fokuserer på at udvikle avanceret matematisk modellering og store optimeringsteknikker til (1) at simulere menneskelig intelligens og (2) analysere komplekse data i den virkelige verden. For (1) sigter hun mod at konstruere effektive maskinindlæringsmodeller til at automatisere opgaver som matching, anerkendelse, forudsigelse, rangordning, slutning, karakterisering, sprog-og visionsforståelse. For (2) Udvikler hun algoritmer til at opdage latent struktur og udtrække information fra store, støjende og ustrukturerede data, f.eks. tekst -, billed -, video -, signal-og netværksdata til støtte for udvikling af tekstminesystemer og andre relaterede forskningsområder såsom bioinformatik.
Dr. Carole tvingende
en af Caroles nuværende forskningsinteresser er differentiel geometri. Specifikt differentiel geometri af både kontinuerlige og diskrete rum, da det vedrører problemer, der opstår i billed-og formregistrering og analyse af registreringer. For eksempel, når man arbejder med diskrete repræsentationer af overflader, opstår der alle mulige problemer, når man forsøger at overveje strømning på sådanne overflader eller deformere sådanne overflader. Lejlighedsvis at tage kontinuumversionen og tilnærme alle derivaterne ved endelige forskelle er ikke nok. Derfor har Caroles arbejde involveret forsøg på at konstruere en differentiel geometri, der er iboende for sådanne overflader.
