Analiza obrazu to ekstrakcja użytecznych informacji z obrazów cyfrowych i ma zastosowanie w wielu dziedzinach, od astronomii po zoologię, w tym biologię, medycynę i inspekcję przemysłową.
Centrum Nauk o obrazowaniu
w Centrum Nauk o obrazowaniu fizycy, chemicy, informatycy, biolodzy i badacze kliniczni pracują wspólnie nad opracowaniem nowych metod i zastosowaniem najnowocześniejszych technik obrazowania i obliczeń w celu zrozumienia choroby, jej zarządzania i leczenia.
pomagamy w jak najlepszym wykorzystaniu rozległych urządzeń obrazowania uczelni (w tym rezonansu magnetycznego i Pozytonowych tomografii emisyjnej sprzętu, cyklotron i radiochemii obiektów i rozległe sprzęt bio-obrazowania). Opracowujemy i stosujemy nowatorskie algorytmy komputerowe do rozumienia i interpretacji danych obrazowania medycznego i biologicznego.
wiodący badacze:
profesor Timothy Cootes
Tim opracowuje modele statystyczne zarówno kształtu, jak i wyglądu, które okazały się bardzo przydatne do interpretacji obrazów wielu różnych rodzajów. Jest pionierem nowych algorytmów (takich jak „Active Shape Models” (ASMs) i „Active Appearance Models” (AAMS)), które wykorzystują takie modele do znajdowania zarysów struktur na obrazach. Mają one wiele zastosowań, w tym lokalizowanie kości i narządów w obrazach medycznych, do rozpoznawania twarzy i gestów oraz do inspekcji przemysłowej.
Tim szczególnie interesuje się zastosowaniami układu mięśniowo-szkieletowego z projektami mającymi na celu identyfikację osób z osteoporozą (www.stopfrac.com), zmierz kształt kości (www.bone-finder.com) i zrozumieć, jak najlepiej monitorować i leczyć chorobę zwyrodnieniową stawów. Aby uzyskać więcej informacji, zobacz jego listę aktualnych projektów.
dr Neil Thacker
jego badania często polegają na ocenie podstawowych zasad, na których opierają się zagadnienia widzenia komputerowego i analizy obrazu. Ostatnie badania obejmowały; opracowanie statystycznie samowystarczalnego rozwiązania problemu analizy modeli kształtu opartych na punktach dla genetyki, pierwszego w pełni ilościowego systemu rozpoznawania wzorców ilościowych i metod kalibracji pomiaru dyfuzji w oparciu o MRI do praktyki klinicznej. Wszystkie prace są wykonywane przy użyciu zasad ilościowego wykorzystania prawdopodobieństwa popartego testami Monte-Carlo, Zwykle bootstrapped z rzeczywistych próbek danych.
niektóre z ostatnich prac Neila obejmowały zaprojektowanie nowego podejścia, liniowych modeli Poissona, za pomocą których można analizować dane obrazowe MR, aby ocenić objętość guza, który reaguje na leczenie w przedklinicznych badaniach nad rakiem. Metoda wygenerowała poprawę czułości statystycznej czynnika szesnastu w porównaniu z konwencjonalnym testem T w tych samych danych.
Szkoła Informatyki
:
profesor Chris Taylor
Chris jest dyrektorem Informatyki w Manchesterze i jest wiodącą postacią w dziedzinie informatyki zdrowotnej w Wielkiej Brytanii od ponad 15 lat. Od ponad 35 lat zajmuje czołowe miejsce w dziedzinie badań nad wizyjnością komputerową, notując jedne z najczęściej cytowanych publikacji w tej dziedzinie i osiągając wysokie wyniki w dziedzinie transferu technologii. Jego główne badania koncentrują się na wizji komputerowej i analizie obrazu medycznego – z głównym zainteresowaniem rozwijaniem metod generycznych, które stanowią podstawę praktycznych zastosowań w medycynie, przemyśle i handlu. Jego zainteresowania w zakresie analizy obrazu obejmują mammografię, obrazowanie kości i stawów (OA, RA), Kapilaroskopię paznokciową wraz z rozpoznawaniem/analizą twarzy.
Dr Tingting Mu
Tingting koncentruje się na rozwijaniu zaawansowanych technik modelowania matematycznego i optymalizacji na dużą skalę w celu (1) symulacji ludzkiej inteligencji i (2) analizy złożonych danych w świecie rzeczywistym. For (1), jej celem jest konstruowanie skutecznych modeli uczenia maszynowego w celu automatyzacji zadań, takich jak dopasowywanie, rozpoznawanie, przewidywanie, ranking, wnioskowanie, charakteryzacja, rozumienie języka i wizji. For (2), opracowuje algorytmy do odkrywania utajonej struktury i wyodrębniania informacji z dużych, hałaśliwych i nieustrukturyzowanych danych, np. tekstu, obrazu, wideo, sygnału i danych sieciowych, aby wspierać rozwój systemów wydobywania tekstu i innych powiązanych obszarów badawczych, takich jak bioinformatyka.
Dr Carole Twining
jednym z jej aktualnych zainteresowań badawczych jest geometria różniczkowa. W szczególności Geometria różniczkowa zarówno przestrzeni ciągłych, jak i dyskretnych, ponieważ odnosi się do zagadnień pojawiających się w rejestracji obrazu i kształtu oraz analizie rejestracji. Na przykład podczas pracy z dyskretnymi reprezentacjami powierzchni pojawiają się różnego rodzaju problemy podczas próby rozważenia przepływu na takich powierzchniach lub odkształcenia takich powierzchni. Czasami wzięcie wersji continuum i przybliżenie wszystkich pochodnych przez skończone różnice nie wystarcza. Stąd praca Carole ’ a polegała na próbach skonstruowania geometrii różniczkowej wewnętrznej dla takich powierzchni.
