L’analisi delle immagini è l’estrazione di informazioni utili da immagini digitali e ha applicazioni in molti campi dall’astronomia alla zoologia, tra cui biologia, medicina e ispezione industriale.
Centre for Imaging Sciences
Nel Centre for Imaging Sciences, fisici, chimici, informatici, bioscienziati e ricercatori clinici lavorano insieme per sviluppare nuovi metodi e applicare immagini all’avanguardia e tecniche computazionali per la comprensione della malattia, la sua gestione e il trattamento.
Aiutiamo a sfruttare al meglio le ampie strutture di imaging dell’Università (tra cui la risonanza magnetica e le apparecchiature per la tomografia ad emissione di positroni, un ciclotrone e strutture per la radiochimica e un’ampia attrezzatura per la bio-imaging). Sviluppiamo e applichiamo nuovi algoritmi informatici per comprendere e interpretare i dati di imaging medico e biologico.
Lead Researchers:
Professor Timothy Cootes
Tim sviluppa modelli statistici di forma e aspetto, che si sono rivelati molto utili per interpretare immagini di vario genere. Ha aperto la strada a nuovi algoritmi (come’ Active Shape Models ‘(ASMS) e `Active Appearance Models’ (AAMs)) che utilizzano tali modelli per trovare i contorni delle strutture nelle immagini. Questi hanno molte applicazioni, tra cui la localizzazione di ossa e organi in immagini mediche, per il riconoscimento del viso e dei gesti e per l’ispezione industriale.
Tim ha un particolare interesse per le applicazioni muscoloscheletriche con progetti volti a identificare le persone con osteoporosi (www.stopfrac.com), misura la forma dell’osso (www.bone-finder.com) e capire il modo migliore per monitorare e trattare l’osteoartrite. Per ulteriori informazioni vedere la sua lista dei progetti in corso.
Dr Neil Thacker
La sua ricerca spesso comporta la valutazione dei principi di base su cui si fondano i temi della visione artificiale e dell’analisi delle immagini. Recenti ricerche hanno coinvolto; lo sviluppo di una soluzione statisticamente auto-coerente al problema dell’analisi di modelli di forma puntuali per la genetica, il primo sistema di riconoscimento del modello quantitativo completamente quantitativo e metodi per la calibrazione della misurazione della diffusione basata sulla risonanza magnetica per la pratica clinica. Tutto il lavoro viene svolto utilizzando principi di uso quantitativo della probabilità supportati da test Monte-Carlo, generalmente bootstrap da campioni di dati del mondo reale.
Alcuni dei recenti lavori di Neil hanno incluso la progettazione di un nuovo approccio, Modelli lineari di Poisson con cui analizzare i dati di imaging RM, per valutare il volume di un tumore che risponde al trattamento in studi preclinici sul cancro. Il metodo ha generato un miglioramento della sensibilità statistica di un fattore di sedici rispetto a un test T convenzionale negli stessi dati.
Scuola di Informatica
Ricercatori principali:
Professor Chris Taylor
Chris è direttore di Manchester Informatica, ed è stato una figura di primo piano in informatica sanitaria nel Regno Unito per oltre 15 anni. È stato anche all’avanguardia nella ricerca di computer vision per oltre 35 anni con alcune delle pubblicazioni più citate nel settore e un forte record nel trasferimento tecnologico. La sua ricerca principale è nella visione artificiale e nell’analisi delle immagini mediche, con un interesse centrale nello sviluppo di metodi generici per sostenere le applicazioni pratiche in medicina, industria e commercio. I suoi interessi nell’analisi delle immagini riguardano la mammografia, l’imaging osseo e articolare (OA, RA), la capillaroscopia Nailfold e il riconoscimento/analisi facciale.
Dr Tingting Mu
Tingting si concentra sullo sviluppo di modelli matematici avanzati e tecniche di ottimizzazione su larga scala per (1) simulare l’intelligenza umana e (2) analizzare dati complessi del mondo reale. Per (1), mira a costruire modelli di apprendimento automatico efficaci per automatizzare attività come corrispondenza, riconoscimento, previsione, classificazione, inferenza, caratterizzazione, comprensione del linguaggio e della visione. Per (2), sviluppa algoritmi per scoprire la struttura latente ed estrarre informazioni da dati su larga scala, rumorosi e non strutturati, ad esempio, testo, immagine, video, segnale e dati di rete per supportare lo sviluppo di sistemi di estrazione di testo e altre aree di ricerca correlate come la bioinformatica.
Dr Carole Twining
Uno degli attuali interessi di ricerca di Carole è la geometria differenziale. In particolare, Geometria differenziale di spazi sia continui che discreti, in relazione a problemi che sorgono nella registrazione di immagini e forme e nell’analisi delle registrazioni. Ad esempio, quando si lavora con rappresentazioni discrete di superfici, sorgono tutti i tipi di problemi quando si cerca di considerare il flusso su tali superfici o deformare tali superfici. Occasionalmente prendere la versione continuum e approssimare tutte le derivate con differenze finite non è sufficiente. Quindi, il lavoro di Carole ha coinvolto cercando di costruire una geometria differenziale intrinseca a tali superfici.
