Análisis de imágenes

El análisis de imágenes es la extracción de información útil de imágenes digitales y tiene aplicaciones en muchos campos, desde la astronomía hasta la zoología, incluida la biología, la medicina y la inspección industrial.

Centro de Ciencias de la Imagen

En el Centro de Ciencias de la Imagen, físicos, químicos, informáticos, biocientíficos e investigadores clínicos trabajan juntos para desarrollar nuevos métodos y aplicar técnicas computacionales y de imagen de vanguardia para comprender la enfermedad, su manejo y tratamiento.

Ayudamos a hacer el mejor uso de las amplias instalaciones de imágenes de la Universidad (que incluyen Imágenes de Resonancia Magnética y Equipos de Tomografía por Emisión de Positrones, instalaciones de ciclotrón y radioquímica y equipos extensos de imágenes biológicas). Desarrollamos y aplicamos algoritmos informáticos novedosos para comprender e interpretar datos de imágenes médicas y biológicas.

Investigadores principales:

El profesor Timothy Cootes

Tim desarrolla modelos estadísticos de forma y apariencia, que han demostrado ser muy útiles para interpretar imágenes de muchos tipos diferentes. Ha sido pionero en algoritmos novedosos (como «Modelos de Formas Activas» (ASMs) y «Modelos de Apariencia Activa» (AAMs)) que utilizan tales modelos para encontrar los contornos de estructuras en imágenes. Estos tienen muchas aplicaciones, incluida la localización de huesos y órganos en imágenes médicas, para el reconocimiento facial y de gestos y para la inspección industrial.
Tim tiene un interés particular en las aplicaciones musculoesqueléticas con proyectos destinados a identificar a las personas con osteoporosis (www.stopfrac.com), medir la forma del hueso (www.bone-finder.com) y comprender la mejor manera de controlar y tratar la osteoartritis. Para obtener más información, consulte su lista de proyectos actuales.

El Dr. Neil Thacker

Su investigación a menudo implica evaluar los principios básicos en los que se basan los temas de la visión por computadora y el análisis de imágenes. La investigación reciente ha implicado el desarrollo de una solución estadísticamente autoconsistente al problema del análisis de modelos de forma basados en puntos para la genética, el primer sistema de reconocimiento de patrones cuantitativos totalmente cuantitativo, y métodos para la calibración de la medición de difusión basada en RM para la práctica clínica. Todo el trabajo se realiza utilizando principios de uso cuantitativo de la probabilidad respaldados por pruebas de Monte Carlo, generalmente arrancadas de muestras de datos del mundo real.

Algunos de los trabajos recientes de Neil incluyeron el diseño de un nuevo enfoque, Modelos lineales de Poisson con los que analizar los datos de imágenes por RM, para evaluar el volumen de un tumor que responde al tratamiento en ensayos preclínicos sobre cáncer. El método generó una mejora en la sensibilidad estadística de un factor de dieciséis sobre una prueba T convencional en los mismos datos.

Escuela de Informática

Investigadores principales:

El profesor Chris Taylor

Chris es Director de Manchester Informatics y ha sido una figura líder en informática de salud en el Reino Unido durante más de 15 años. También ha estado a la vanguardia de la investigación de visión por computadora durante más de 35 años con algunas de las publicaciones más citadas en el campo y un sólido historial en transferencia de tecnología. Su investigación principal se centra en la visión por computadora y el análisis de imágenes médicas, con un interés central en el desarrollo de métodos genéricos para respaldar aplicaciones prácticas en medicina, industria y comercio. Sus intereses en el análisis de imágenes abarcan Mamografías, Imágenes Óseas y Articulares (AO, AR), Capilaroscopia de uñas junto con Reconocimiento/análisis Facial.

Dr Tingting Mu

Tingting se centra en el desarrollo de modelos matemáticos avanzados y técnicas de optimización a gran escala para (1) simular la inteligencia humana y (2) analizar datos complejos del mundo real. Para (1), su objetivo es construir modelos de aprendizaje automático eficaces para automatizar tareas como la correspondencia, el reconocimiento, la predicción, la clasificación, la inferencia, la caracterización, el lenguaje y la comprensión de la visión. Para (2), desarrolla algoritmos para descubrir estructuras latentes y extraer información de datos a gran escala, ruidosos y no estructurados, por ejemplo, texto, imagen, video, señal y datos de red para apoyar el desarrollo de sistemas de minería de texto y otras áreas de investigación relacionadas, como la bioinformática.

Dr. Carole Twining

Uno de los intereses de investigación actuales de Carole es la geometría diferencial. En concreto, geometría diferencial de espacios continuos y discretos, en lo que se refiere a cuestiones que surgen en el registro de imágenes y formas, y análisis de registros. Por ejemplo, cuando se trabaja con representaciones discretas de superficies, surgen todo tipo de problemas al tratar de considerar el flujo en dichas superficies o deformarlas. De vez en cuando, tomar la versión continua y aproximar todas las derivadas por diferencias finitas no es suficiente. Por lo tanto, el trabajo de Carole ha implicado tratar de construir una geometría diferencial intrínseca a tales superficies.

Deja una respuesta

Tu dirección de correo electrónico no será publicada.