L’analyse d’images est l’extraction d’informations utiles à partir d’images numériques et a des applications dans de nombreux domaines de l’astronomie à la zoologie, y compris la biologie, la médecine et l’inspection industrielle.
Centre des Sciences de l’imagerie
Au Centre des sciences de l’imagerie, des physiciens, des chimistes, des informaticiens, des bioscientifiques et des chercheurs cliniques travaillent ensemble pour développer de nouvelles méthodes et appliquer des techniques d’imagerie et de calcul de pointe pour la compréhension de la maladie, sa gestion et son traitement.
Nous aidons à tirer le meilleur parti des vastes installations d’imagerie de l’Université (y compris les équipements d’imagerie par résonance magnétique et de tomographie par émission de positons, les installations de cyclotron et de radiochimie et les nombreux équipements de bio-imagerie). Nous développons et appliquons de nouveaux algorithmes informatiques pour comprendre et interpréter les données d’imagerie médicale et biologique.
Chercheurs principaux:
Professeur Timothy Cootes
Tim développe des modèles statistiques de forme et d’apparence, qui se sont révélés très utiles pour interpréter des images de toutes sortes. Il a été le pionnier de nouveaux algorithmes (tels que les « Modèles de Formes Actives » (ASM) et les « Modèles d’Apparence Active » (AAMs)) qui utilisent de tels modèles pour trouver les contours des structures dans les images. Ceux-ci ont de nombreuses applications, y compris la localisation d’os et d’organes dans des images médicales, pour la reconnaissance faciale et gestuelle et pour l’inspection industrielle.
Tim s’intéresse particulièrement aux applications musculo-squelettiques avec des projets visant à identifier les personnes atteintes d’ostéoporose (www.stopfrac.com ), mesurer la forme de l’os (www.bone-finder.com ) et comprendre la meilleure façon de surveiller et de traiter l’arthrose. Pour plus d’informations, consultez sa liste de projets en cours.
Dr Neil Thacker
Ses recherches consistent souvent à évaluer les principes de base sur lesquels sont fondés les sujets de la vision par ordinateur et de l’analyse d’images. Des recherches récentes ont impliqué le développement d’une solution statistiquement auto-cohérente au problème de l’analyse de modèles de formes basés sur des points pour la génétique, le premier système de reconnaissance quantitative de formes entièrement quantitative et des méthodes d’étalonnage de la mesure de diffusion basée sur l’IRM pour la pratique clinique. Tout le travail est effectué en utilisant des principes d’utilisation quantitative des probabilités sauvegardés avec des tests Monte-Carlo, généralement amorçés à partir d’échantillons de données du monde réel.
Parmi les travaux récents de Neil, mentionnons la conception d’une nouvelle approche, des modèles de Poisson linéaires permettant d’analyser les données d’imagerie par résonance magnétique, afin d’évaluer le volume d’une tumeur qui répond au traitement lors d’essais précliniques sur le cancer. La méthode a généré une amélioration de la sensibilité statistique d’un facteur seize par rapport à un test T classique dans les mêmes données.
École d’informatique
Chercheurs principaux:
Professeur Chris Taylor
Chris est directeur de Manchester Informatics et est une figure de proue de l’informatique de la santé au Royaume-Uni depuis plus de 15 ans. Il est également à l’avant-garde de la recherche en vision par ordinateur depuis plus de 35 ans avec certaines des publications les plus citées dans le domaine et un solide bilan en matière de transfert de technologie. Ses recherches de base portent sur la vision par ordinateur et l’analyse d’images médicales – avec un intérêt central pour le développement de méthodes génériques pour étayer des applications pratiques en médecine, dans l’industrie et dans le commerce. Ses intérêts dans l’analyse d’images couvrent la mammographie, l’imagerie osseuse et articulaire (OA, RA), la capillaroscopie à ongles ainsi que la reconnaissance / analyse faciale.
Dr Tingting Mu
Tingting se concentre sur le développement de techniques avancées de modélisation mathématique et d’optimisation à grande échelle pour (1) simuler l’intelligence humaine et (2) analyser des données complexes du monde réel. Pour (1), elle vise à construire des modèles d’apprentissage automatique efficaces pour automatiser des tâches telles que l’appariement, la reconnaissance, la prédiction, le classement, l’inférence, la caractérisation, la compréhension du langage et de la vision. Pour (2), elle développe des algorithmes pour découvrir la structure latente et extraire des informations à partir de données à grande échelle, bruyantes et non structurées, par exemple des données de texte, d’image, de vidéo, de signal et de réseau pour soutenir le développement de systèmes d’exploration de texte et d’autres domaines de recherche connexes tels que la bioinformatique.
Dr Carole Twining
L’un des intérêts de recherche actuels de Carole est la géométrie différentielle. Plus précisément, la géométrie différentielle des espaces continus et discrets, en ce qui concerne les problèmes qui se posent dans l’enregistrement des images et des formes, et l’analyse des enregistrements. Par exemple, lorsque vous travaillez avec des représentations discrètes de surfaces, toutes sortes de problèmes se posent lorsque vous essayez de considérer l’écoulement sur de telles surfaces ou la déformation de telles surfaces. Parfois, prendre la version du continuum et approximer toutes les dérivées par des différences finies ne suffit pas. Par conséquent, le travail de Carole a consisté à essayer de construire une géométrie différentielle intrinsèque à de telles surfaces.
