Image analysis is de extractie van nuttige informatie uit digitale beelden en heeft toepassingen op vele gebieden van astronomie tot zoölogie, waaronder biologie, geneeskunde en industriële inspectie.
Centrum voor Beeldvormingswetenschappen
in het Centrum voor Beeldvormingswetenschappen werken natuurkundigen, chemici, computerwetenschappers, biowetenschappers en klinische onderzoekers samen om nieuwe methoden te ontwikkelen en geavanceerde beeldvormings-en computationele technieken toe te passen voor het begrijpen van ziekte, de behandeling en behandeling ervan.
wij helpen optimaal gebruik te maken van de uitgebreide beeldvormingsfaciliteiten van de Universiteit (waaronder Magnetic Resonance Imaging en Positron Emission Tomography apparatuur, een cyclotron en radiochemie faciliteiten en uitgebreide bio-imaging apparatuur). We ontwikkelen en passen nieuwe computeralgoritmen toe om medische en biologische beeldvormingsgegevens te begrijpen en te interpreteren.
hoofdonderzoekers:
Professor Timothy Cootes
Tim ontwikkelt statistische modellen van zowel vorm als uiterlijk, die zeer nuttig zijn gebleken voor het interpreteren van beelden van vele verschillende soorten. Hij is pionier op het gebied van nieuwe algoritmen (zoals `Active Shape Models’ (ASMS) en `Active Appearance Models’ (AAMs)) die dergelijke modellen gebruiken om de contouren van structuren in beelden te vinden. Deze hebben vele toepassingen, met inbegrip van het lokaliseren van botten en organen in medische beelden, voor gezicht en gebarenherkenning en voor industriële inspectie.
Tim heeft een bijzondere belangstelling voor musculoskeletale toepassingen met projecten die gericht zijn op het identificeren van mensen met osteoporose (www.stopfrac.com), beendervorm meten (www.bone-finder.com) en begrijpen hoe het beste te controleren en te behandelen artrose. Voor meer informatie zie zijn lijst van lopende projecten.
Dr. Neil Thacker
zijn onderzoek omvat vaak het beoordelen van de basisprincipes waarop de onderwerpen computervisie en beeldanalyse zijn gebaseerd. Recent onderzoek heeft geleid tot het ontwikkelen van een statistisch zelfconsistente oplossing voor het probleem van het analyseren van puntgebaseerde vormmodellen voor genetica, het eerste volledig kwantitatieve kwantitatieve patroonherkenningssysteem en methoden voor kalibratie van MRI-gebaseerde diffusiemetingen voor de klinische praktijk. Al het werk wordt gedaan met behulp van principes van kwantitatief gebruik van waarschijnlijkheid ondersteund met Monte-Carlo testen, over het algemeen bootstrapped van echte wereld Data monsters.Enkele recente werkzaamheden van Neil omvatten het ontwerpen van een nieuwe aanpak, Lineaire Poissonmodellen waarmee Mr-beeldgegevens kunnen worden geanalyseerd, om het volume van een tumor te beoordelen die reageert op de behandeling in preklinische kankerstudies. De methode leidde tot een verbetering van de statistische gevoeligheid met een factor zestien ten opzichte van een conventionele T-test in dezelfde gegevens.
School Of Computer Science
hoofdonderzoekers:
Professor Chris Taylor
Chris is directeur van Manchester Informatics en is al meer dan 15 jaar een vooraanstaand figuur op het gebied van gezondheidsinformatica in het Verenigd Koninkrijk. Hij is ook in de voorhoede computer vision onderzoek voor meer dan 35 jaar met een aantal van de meest geciteerde publicaties in het veld en een sterke record in technologieoverdracht. Zijn kernonderzoek is computer vision en medische beeldanalyse – met een centrale interesse in het ontwikkelen van generieke methoden ter onderbouwing van praktische toepassingen in de geneeskunde, industrie en handel. Zijn interesses in beeldanalyse omvatten mammografie, bot – en Gewrichtsbeeldvorming( OA, RA), Nailfold capillaroscopie samen met gezichtsherkenning/analyse.
Dr Tingting Mu
Tingting richt zich op de ontwikkeling van geavanceerde wiskundige modellering en grootschalige optimalisatietechnieken om (1) menselijke intelligentie te simuleren en (2) complexe gegevens uit de echte wereld te analyseren. Voor (1) wil ze effectieve machine learning-modellen ontwikkelen om taken zoals matching, herkenning, voorspelling, ranking, gevolgtrekking, karakterisering, taal-en visiebegrip te automatiseren. Voor (2) ontwikkelt ze algoritmen om latente structuur te ontdekken en informatie te extraheren uit grootschalige, lawaaierige en ongestructureerde data, zoals tekst -, beeld -, video -, signaal-en netwerkdata om de ontwikkeling van tekst mining systemen en andere gerelateerde onderzoeksgebieden zoals Bioinformatica te ondersteunen.
Dr Carole Twining
een van Carole ‘ s huidige onderzoeksinteresses is de differentiaalmeetkunde. Specifiek, differentiaalmeetkunde van zowel continue als discrete ruimten, als het gaat om kwesties die zich voordoen in Beeld-en vormregistratie, en analyse van registraties. Bijvoorbeeld, bij het werken met discrete representaties van oppervlakken, allerlei problemen ontstaan bij het proberen om stroom te overwegen op dergelijke oppervlakken, of vervormen van dergelijke oppervlakken. Af en toe het nemen van de continuüm versie, en het benaderen van alle derivaten door eindige-verschillen is niet genoeg. Daarom heeft Carole ‘ s werk betrekking op het proberen om een differentiaalmeetkunde intrinsiek aan dergelijke oppervlakken te construeren.
