bildanalys är utvinning av användbar information från digitala bilder och har tillämpningar inom många områden från astronomi till zoologi, inklusive biologi, medicin och industriell inspektion.
Centrum för bildvetenskap
i centrum för bildvetenskap arbetar fysiker, kemister, datavetare, bioscientists och kliniska forskare tillsammans för att utveckla nya metoder och tillämpa banbrytande bild-och beräkningstekniker för förståelse av sjukdom, dess hantering och behandling.
Vi hjälper till att utnyttja universitetets omfattande avbildningsanläggningar på bästa sätt (inklusive magnetisk resonansavbildning och Positronemissionstomografiutrustning, cyklotron-och radiokemianläggningar och omfattande biobildningsutrustning). Vi utvecklar och tillämpar nya datoralgoritmer för att förstå och tolka medicinska och biologiska bilddata.
Lead forskare:
Professor Timothy Cootes
Tim utvecklar statistiska modeller av både form och utseende, som har visat sig vara mycket användbara för att tolka bilder av många olika slag. Han har banat väg för nya algoritmer (som `Active Shape Models’ (ASMS) och `Active Appearance Models’ (AAMS)) som använder sådana modeller för att hitta konturerna av strukturer i bilder. Dessa har många applikationer, inklusive lokalisering av ben och organ i medicinska bilder, för ansikts-och gestigenkänning och för industriell inspektion.
Tim har ett särskilt intresse för muskuloskeletala applikationer med projekt som syftar till att identifiera personer med osteoporos (www.stopfrac.com), mäta benform (www.bone-finder.com) och förstå hur man bäst kan övervaka och behandla artros. För mer information se hans lista över aktuella projekt.
Dr Neil Thacker
hans forskning handlar ofta om att bedöma de grundläggande principerna som ämnena för datorsyn och bildanalys bygger på. Ny forskning har involverat; utveckla en statistiskt självkonsistent lösning på problemet med att analysera punktbaserade formmodeller för genetik, det första helt kvantitativa kvantitativa mönsterigenkänningssystemet och metoder för kalibrering av Mr-baserad diffusionsmätning för klinisk praxis. Allt arbete görs med hjälp av principer för kvantitativ användning av sannolikhet backas upp med Monte-Carlo-testning, i allmänhet bootstrapped från verkliga dataprover.
några av Neils senaste arbete inkluderade att utforma ett nytt tillvägagångssätt, linjära Poisson-modeller för att analysera Mr-bilddata, för att bedöma volymen av en tumör som svarar på behandling i prekliniska cancerstudier. Metoden genererade en förbättring av statistisk känslighet för en faktor på sexton över ett konventionellt T-test i samma data.
Skolan för datavetenskap
ledande forskare:
Professor Chris Taylor
Chris är chef för Manchester Informatics, och har varit en ledande figur inom hälsoinformatik i Storbritannien i över 15 år. Han har också varit i framkant datorvisionsforskning i över 35 år med några av de mest citerade publikationerna inom området och en stark rekord inom tekniköverföring. Hans kärnforskning är inom datorseende och medicinsk bildanalys – med ett centralt intresse för att utveckla generiska metoder för att stödja praktiska tillämpningar inom medicin, industri och handel. Hans intressen i bildanalys täcker mammografi, ben-och Ledavbildning (OA, RA), Nailfold Capillaroscopy tillsammans med ansiktsigenkänning/analys.
Dr Tingting Mu
Tingting fokuserar på att utveckla avancerad matematisk modellering och storskaliga optimeringstekniker för att (1) simulera mänsklig intelligens och (2) analysera verkliga komplexa data. För (1) syftar hon till att konstruera effektiva maskininlärningsmodeller för att automatisera uppgifter som matchning, erkännande, förutsägelse, ranking, slutsats, karaktärisering, språk-och synförståelse. För (2) utvecklar hon algoritmer för att upptäcka latent struktur och extrahera information från storskaliga, bullriga och ostrukturerade data, t.ex. text -, bild -, video -, signal-och nätverksdata för att stödja utveckling av textgruvsystem och andra relaterade forskningsområden som bioinformatik.
Dr Carole Twining
ett av Caroles aktuella forskningsintressen är differentialgeometri. Specifikt differentiell geometri för både kontinuerliga och diskreta utrymmen, eftersom det gäller problem som uppstår vid bild-och formregistrering och analys av registreringar. Till exempel, när man arbetar med diskreta representationer av ytor, uppstår alla möjliga problem när man försöker överväga flöde på sådana ytor eller deformera sådana ytor. Ibland tar kontinuumversionen och approximerar alla derivat med ändliga skillnader är inte tillräckligt. Därför har Caroles arbete involverat att försöka konstruera en differentiell geometri som är inneboende för sådana ytor.
