Please use this identifier to cite or link to this item: https://olympias.lib.uoi.gr/jspui/handle/123456789/30023
Full metadata record
DC FieldValueLanguage
dc.contributor.authorDimitrakopoulos, Panagiotisen
dc.date.accessioned2020-08-27T10:54:40Z-
dc.date.available2020-08-27T10:54:40Z-
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/123456789/30023-
dc.identifier.urihttp://dx.doi.org/10.26268/heal.uoi.9914-
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectBlind color deconvolutionen
dc.subjectΗistopathological imagesen
dc.subjectBayesian modellingen
dc.subjectΧρωματική αποσυνέληξηel
dc.subjectΙστοπαθολογικές εικόνεςel
dc.subjectΜπευζιανή μεθοδολογίαel
dc.titleVariational bayesian blind color deconvolution of histopathological imagesen
dc.titleΧρωματική αποσυνέληξη ιστοπαθολογικών εικόνων με χρήση Μπευζιανής μεθοδολογίαςel
heal.typemasterThesis-
heal.type.enMaster thesisen
heal.type.elΜεταπτυχιακή εργασίαel
heal.classificationOptical data processing-
heal.dateAvailable2020-08-27T10:55:40Z-
heal.languageen-
heal.accessfree-
heal.recordProviderΠανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικήςel
heal.publicationDate2020-
heal.bibliographicCitationΒιβλιογραφία: σ. 65-67el
heal.abstractThe majority of the histological images are stained with two or more chemical dyes, each one responsible to enhance particular components of cellular structures. Stain color deconvolution is a prominent factor of the analysis pipeline in most histology image processing algorithms, which aims to separate a color image into the concentration of each stain present in it. In this thesis, following previous works, we formulate the blind color deconvolution problem within the Bayesian framework. Our model takes into account both spatial relations among the concentration of image's pixels and the overall image edge structure. Using Variational Bayesian inference we estimate the concentration and color of each stain. We evaluate our method in comparison to some of the state-of-the-art color deconvolution algorithms using real images.en
heal.abstractΗ μεταπτυχιακή αυτή εργασία έχει ως στόχο τη μελέτη του προβλήματος της αυτόματης χρωματικής αποσυνέληξης σε ιστολογικές εικόνες από μικροσκόπια φωτεινού πεδίου. Οι περισσότεροι ιστοί που μελετούνται στο πεδίο της ιστολογίας είναι άχρωμοι, γι’ αυτό το λόγο έχουν αναπτυχθεί τεχνικές για τη χρώση των ιστών. Από όλες τις χρωστικές, ο συνδυασμός της αιματοξυλίνης και ηωσίνης είναι αυτός που χρησιμοποιείται πιο συχνά. Η αιματοξυλίνη χρωματίζει μπλε περιοχές όπως ο πυρήνας ενώ η ηωσίνη χρωματίζει με ροζ το κυτταρόπλασμα. Πολλοί παράγοντες επιφέρουν σημαντικές διαφοροποιήσεις στα φασματικά χαρακτιριστικά της κάθε χρωστικής. Η αυτόματη χρωματική αποσυνέληξη έχει ως στόχο να εκφράσει μία επιχρωματιμένη εικόνα σε δύο ποσότητες, την συγκένρωση της κάθε χρωστικής που είναι παρούσα στην εικόνα και τα χαρακτηριστικά (RGB χρώμα) της κάθε χρωστικής. Συγκεκριμένα, στην παρούσα εργασία βασιζόμαστε σε μία πιθανοτική μέθοδο η οποία χρησιμοποιεί Μπευζιανή μεθοδολογία για να εκτιμήσει την συγκέντρωση και το σχετικό χρώμα της κάθε χρωστικης σε μία εικόνα και προτέινουμε μία επέκτασης της παραπάνω μεθόδουν που λάμβάνει υπόψη την ομοιογένεια των κοντινών εικονοστοιχείων σε μία εικόνα και με την χρήση Student κατανομών.el
heal.advisorNameΝίκου, Χριστόφοροςel
heal.committeeMemberNameΝίκου, Χριστόφοροςel
heal.committeeMemberNameΛύκας, Αριστείδηςel
heal.committeeMemberNameΜπλέκας, Κωνσταντίνοςel
heal.academicPublisherΠανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικήςel
heal.academicPublisherIDuoi-
heal.numberOfPages76 σ.-
heal.fullTextAvailabilitytrue-
Appears in Collections:Διατριβές Μεταπτυχιακής Έρευνας (Masters) - ΜΗΥΠ

Files in This Item:
File Description SizeFormat 
Μ.Ε. DIMITRAKOPOULOS PANAGIOTIS 2020.pdf59.19 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons