Busca avançada
Ano de início
Entree

SAMSAM: Segmentação para Análise e Medidas do Meristema Apical de Plantas

Processo: 16/11853-2
Modalidade de apoio:Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
Data de Início da vigência: 15 de outubro de 2016
Data de Término da vigência: 14 de abril de 2017
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Alexandre Xavier Falcão
Beneficiário:Thiago Vallin Spina
Supervisor: Elliot Meyerowitz
Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Instituição Anfitriã: California Institute of Technology, Estados Unidos  
Vinculado à bolsa:15/09446-7 - Segmentação de Imagens Médicas: Como integrar modelos de aparência/forma e correção interativa com o mínimo de intervenção do usuário?, BP.PD
Assunto(s):Processamento de imagens
Palavra(s)-Chave do Pesquisador:Correção de Segmentação Automática | Microscopia Confocal de Plantas | Segmentação Automática baseada em Watershed | Segmentação Colaborativa On-line | Segmentação interativa | Processamento de Imagens

Resumo

O problema: o meristema apical do caule é uma rede de células locailzada no topo das plantas responsável por todo o crescimento acima do solo. Visto que a maioria do que os humanos comem, tal como grãos e frutas, deriva do caule, biólogos ao redor do mundo investigam os mecanismos regulatórios que impulsionam o desenvolvimento saudável do meristema e das plantações que dependem disso. Simulações por computador nas quais a forma, o tamanho e a conectividade das células foram idealizados demonstraram recentemente como o transporte de proteínas e hormônios responsáveis pelo crescimento do caule podem ser modelados para gerar padrões observados em laboratório. Contudo, é desejável criar modelos mais realistas derivados diretamente de dados reais. Esse tipo de modelagem requer a segmentação de centenas de células em imagens tridimensionais de microscopia confocal, para análise posterior que envolve o rastreamento da hereditariedade das células utilizando imagens de lapso de tempo. A segmentação completamente automática leva a erros que podem ser propagados para o rastreamento das células, se não forem corrigidos. Logo, o auxílio do usuário é necessário para realizar a segmentação dos objetos com alta acurácia, o que demanda por métodos robustos que minimizem a quantidade necessária de intervenção interativa para prevenir erros causados por cansaço e falta de atenção.Proposta: esta pesquisa de pós-doutorado tem como objetivo investigar soluções que integrem de um modo eficaz e eficiente segmentação automática de imagens e correção interativa. Neste contexto, argumentamos que a aparência das células clama por métodos que tentem segmentá-las automaticamente, porém que provejam ao mesmo tempo um conjunto de voxels semente que possam ser editados interativamente para maior eficácia. Propomos então o desenvolvimento de algoritmos automáticos e interativos derivados do arcabouço da Transformada Imagem-Floresta (IFT) para esse fim, uma ferramenta para o projeto de operadores de processamento de imagens baseados em conectividade ótima. Para reduzir ainda mais o esforço do usuário e aumentar a robusteza do resultado, implementaremos as nossas técnicas em uma ferramenta para segmentação colaborativa on-line desenvolvida no Instituto de Tecnologia da Califórnia (Caltech). Os usuários irão segmentar porções menores da imagem, cujo resultado será unido em seguida através de análise de consenso para obter o resultado final.Justificativa e resultados esperados: O projeto irá ser desenvolvido na Caltech sob a supervisão do Prof. Dr. Elliot Meyerowitz e do Dr. Alexandre Cunha, aumentando assim a experiência internacional do candidato e a rede de colaboração de nosso grupo no exterior. Eles estão explicitamente interessados em uma parceria de longo prazo e tem grande experiência no tópico, possuindo ao mesmo tempo centenas de imagens que podem ser mineradas para produzir os modelos supracitados. Nós esperamos que a aplicação on-line seja útil para biólogos estudando plantas o redor do mundo, e que ela possa ser estendida pra outros domínios tais como segmentação de imagens médicas, seguindo o princípio de integração entre técnicas automáticas e interativas.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
MOREIRA TAVARES, ANDERSON CARLOS; VECHIATTO MIRANDA, PAULO ANDRE; SPINA, THIAGO VALLIN; FALCAO, ALEXANDRE XAVIER; ANGULO, J; VELASCOFORERO, S; MEYER, F. A Supervoxel-Based Solution to Resume Segmentation for Interactive Correction by Differential Image-Foresting Transforms. MATHEMATICAL MORPHOLOGY AND ITS APPLICATIONS TO SIGNAL AND IMAGE PROCESSING (ISMM 2017), v. 10225, p. 12-pg., . (16/11853-2, 15/09446-7, 11/50761-2, 14/12236-1)
STEGMAIER, JOHANNES; SPINA, THIAGO V.; FALCAO, ALEXANDRE X.; BARTSCHAT, ANDREAS; MIKUT, RALF; MEYEROWITZ, ELLIOT; CUNHA, ALEXANDRE; IEEE. CELL SEGMENTATION IN 3D CONFOCAL IMAGES USING SUPERVOXEL MERGE-FORESTS WITH CNN-BASED HYPOTHESIS SELECTION. 2018 IEEE 15TH INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING (ISBI 2018), v. N/A, p. 5-pg., . (15/09446-7, 16/11853-2, 14/12236-1)
MARTINS, SAMUEL BOTTER; SPINA, THIAGO VALLIN; YASUDA, CLARISSA; FALCAO, ALEXANDRE X.; STYNER, MA; ANGELINI, ED. A Multi-Object Statistical Atlas Adaptive for Deformable Registration Errors in Anomalous Medical Image Segmentation. MEDICAL IMAGING 2017: IMAGE PROCESSING, v. 10133, p. 8-pg., . (15/09446-7, 14/12236-1, 13/07559-3, 16/11853-2)