Análisis de Imágenes de Biopsia de Músculo de Ratón Abraham Peña Hoyos Carmen Cruz Ramos...
-
Upload
aldonza-borja -
Category
Documents
-
view
219 -
download
0
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!!