Análisis de Imágenes de Biopsia de Músculo de Ratón Abraham Peña Hoyos Carmen Cruz Ramos...

Post on 22-Jan-2016

220 views 0 download

Transcript of Análisis de Imágenes de Biopsia de Músculo de Ratón Abraham Peña Hoyos Carmen Cruz Ramos...

Análisis de Imágenes de Biopsia de Músculo de Ratón

Abraham Peña HoyosCarmen Cruz Ramos Molinero

Segmentación celular

Células muscularesDe humano

Segmentación celular

Células de ratón

¿Para que sirve?

Enfermedades del tejido conectivo y de los vasos sanguíneos (como la poliarteritis nodosa)

Infecciones que afectan los músculos (como la triquinosis o la toxoplasmosis)

Trastornos musculares como distrofia muscular o miopatía congénita

Defectos metabólicos del músculo

Experimentación

2 método Segmentación general Segmentación de células rojas

Segmentación general

No diferenciaremosEntre células lentasY rápidas

Segmentación general Color Balance: resaltamos canal verde

Segmentación general Separamos los 3 canales RGB

Segmentación general Filtro Gaussiano al canal verde: suaviza

imperfecciones y suciedades

Segmentación general Transformamos la imagen de escala de

grises a imagen binaria

Segmentación general Filtro de mínimos y máximos para quitar

suciedades y suavizar los bordes

Segmentación general Fill holes: rellena los huecos 4-

adyancentes de las células.

Segmentación general Analyze Particles: resalta, enumera y

añade características a las células.

Segmentación células rojas

Queremos obtenerlas característicasde las células rojas

Segmentación células rojas Separamos 3 canales (sin aumentar el

canal verde)

Segmentación células rojas Transformamos la imagen en escala de

grises a imagen binaria.

Segmentación células rojas Filtro de mínimos y máximos para quitar

suciedades y suavizar los bordes

Segmentación células rojas Fill holes: rellena los huecos 4-

adyancentes de las células.

Segmentación células rojas Analyze Particles: resalta, enumera y

añade características a las células.

ImageJ y MacrosImageJ es un programa de procesamiento de imagen digital de dominio público programado en Java desarrollado en el National Institutes of Health.  ImageJ fue diseñado con una arquitectura abierta que proporciona extensibilidad vía plugins Java y macros (macroinstrucciones) grabables.   La arquitectura de plugins y entorno de desarrollo integrados de ImageJ lo han convertido en una plataforma popular para enseñar procesamiento de imagen. 

Arrancar un macro

Ventajas Macrosrun("Split Channels");close();close();//run("Threshold...");setAutoThreshold("Default dark");setThreshold(101, 255);run("Convert to Mask");

run("Minimum...", "radius=10");

run("Maximum...", "radius=10");

run("Fill Holes");run("Analyze Particles...", "size=30-Infinity circularity=0.00-1.00 show=Nothing display exclude clear summarize add");roiManager("Show All with labels");roiManager("Show All");roiManager("Select", 6);

Son llamadas a instrucciones

¡¡Mucho más rápido que un plugin!!

¿Qué hemos aprendido? Otro campo científico «Multidisciplinar» Nuevas herramientas (ImageJ) Recordar conceptos de Java y C++ Buscar más allá de que se aplica Ver la potencia de filtros y algoritmos de

PID

¿Preguntas?

¡¡Gracias!!