14 Gennaio Immagini & Computer S.n.c. Via Don Carlo Riva Bareggio (Mi)
|
|
- Clementina Annalisa Colonna
- 5 anni fa
- Visualizzazioni
Transcript
1 Università degli studi di Firenze Dipartimento di Scienze Biochimiche Viale G.B. Morgagni 50 - Firenze per applicazioni in Life Science 14 Gennaio 2011 Immagini & Computer S.n.c. Via Don Carlo Riva Bareggio (Mi)
2 L analisi quantitativa delle immagini rappresenta l arte di trasformare una sensazione visiva nella sua forma schematica e discreta consentendone la descrizione, la classificazione e l interpretazione matematica e logica univoca delle sue componenti spaziali e temporali.
3 Quando e perché? Quando serve una rappresentazione oggettiva del risultato. Quando dobbiamo condividere i risultati con altri. Quando ci è richiesta una ripetibilità nei risultati ottenuti. Quando Perché risulta più professionale fornire numeri piuttosto che impressioni. Perché ci consente di discutere e difendere i nostri dati. Perché possiamo rivedere e ripetere passo-passo il processo che ci ha portato al risultato. Perché.
4 Un significativo contributo alla diffusione di questa disciplina è stato fornito dalla enorme disponibilità di strumenti digitali in grado di produrre informazioni in grande quantità. Microscopia widefield Microscopia confocale Microscopia spettrale Microscopia confocale 2 fotoni Sistemi HCS Investigazione contemporanea in più dimensioni. Elevata risoluzione spaziale Esplorazione temporale Complessità
5 Il percorso per arrivare alle misure
6 Il percorso ideale Risultati Misura Trattamento dell immagine Raccolta delle immagini Marcatura adeguata delle strutture Preparazione del campione
7 Risulta quindi basilare 1. Fissare gli obiettivi che ci proponiamo 2. Studiare e definire i metodi di preparazione del campione 3. Studiare e definire i metodi ed i processi di acquisizione, trattamento ed analisi da utilizzare (Protocolli di acquisizione ed analisi). Assicurare per quanto possibile l indipendenza dei risultati dalla piattaforma utilizzata.
8 Gli ostacoli sul percorso
9 Errore, precisione ed accuratezza Qualsiasi misurazione quantitativa è influenzata da potenziali errori. Gli errori possono derivare dal campione, dal sistema ottico (microscopio), dal sistema digitale di acquisizione o dall operatore. Gli errori diminuiscono il livello di precisione della misura. L accuratezza della misura influisce sulla affidabilità della singola quantificazione. Campioni biologici che possiedono un livello intrinseco di variabilità Distinzione tra variabilità naturale ed errori della misurazione. Necessità di effettuare una sola misurazione Capacità di identificazione e riduzione delle sorgenti di errore delle nostre misurazioni
10 Principali sorgenti di errore Marcatura adeguata delle strutture Preparazione del campione Background Rumore Sistema Ottico e di acquisizione Si aggiunge al reale segnale e ne compromette la quantificazione. Deve essere sottratto al valore del segnale. Causa una variazione (fluttuazione) del segnale intorno al suo valore reale. Il segnale deve risultare significativamente più elevato del rumore. Degrado delle caratteristiche dell immagine originale. Introduzione di aberrazioni ottiche e di fenomeni di diffrazione. Autofluorescenza. Fuori fuoco. Luce estranea Poisson noise (campione) Noise ottico Noise digitale (detector) Valutazione PSF Aberrazioni sferiche e cromatiche Disallineamento Artefatti SNR Rapporto segnale rumore
11 Il Rapporto Segnale/Rumore (SNR) Rappresenta il rapporto tra i disturbi presente nell immagine e l effettivo segnale.
12 In un sistema di acquisizione basato su telecamera CCD il Rapporto Segnale / Rumore (SNR) è calcolato come: SNR = PQet / [PQet + Dt + Nr 2 ] 1/2 Dove P rappresenta il flusso di Fotoni (Fotoni/pixel/Secondo), Qe l efficienza quantica del sensore, t il tempo di integrazione (Secondi), D la Dark Noise (Elettroni/pixel/Secondo) e Nr il Read Out Noise. Il segnale proveniente dal Background (Scatter o Riflessione) influisce sulla qualità del valore di SNR e deve di conseguenza essere tenuto in considerazione nel calcolo. SNR = PQet / [(P+B)Qet + Dt + Nr 2 ] 1/2 In un sistema confocale il rapporto Segnale / Rumore (SNR) è calcolato come: Dove N rappresenta il flusso di Fotoni (Fotoni/pixel/Secondo), Q il noise generato dal laser, S il Noise secondario generato dalla moltiplicazione degli elettroni e D la dark current del PMT.
13 Raccolta delle immagini Ripristino delle caratteristiche originali delle immagini. Rimozione del rumore Rilocazione della luce fuori fuoco Correzione degli artefatti Decadimento (Photobleaching,ect) Correzione disomogeneità fondo Instabilità di illuminazione Registrazione Mosaicatura Identificazione delle strutture Segmentazione Distinzione da altre strutture Codifica dei confini e misura Classificazione Pubblicazione Evoluzione e comportamento delle strutture Tracking Cinetica Ratio Imaging Data Mining Simulazione evento Creazione modello Analisi dei dati
14 La raccolta delle immagini
15 La raccolta delle immagini richiede una serie di accorgimenti quali : Rispetto dei principi di campionatura X, Y, Z Adeguata considerazione della dinamica del segnale (rappresentazione dell evento) Corretta definizione dei parametri operativi (potenza del laser, esposizione della telecamera, impostazione PMT, livello di illuminazione del campione) Qualità della ripresa Corretta (e strutturata) memorizzazione delle immagini Standardizzazione del processo [Protocollo di acquisizione]
16 Come archiviare le immagini. Importante considerare la finalità per la quale si vuole archiviare l immagine. 1. Documentazione Soddisfatta la qualità visiva, le dimensioni del file rappresentano il principale obiettivo. I formati compressi con perdita di informazioni (Jpeg, Jpeg2000, ect) sono ampiamente giustificati. 2. Analisi successiva Necessità di preservare le informazioni originali contenute nell immagine. In questo caso sono da preferire i formati lineari non compressi o con compressioni di tipo lostless (Tiff, Bmp, ect) oppure i formati proprietari degli strumenti. No a formati ibridi (quali il Tiff - Palette)
17 I danni introdotti dai sistemi di compressione ad alta efficienza (Jpeg, Jpeg2000, ect) non sono immediatamente percettibili. Essi si manifestano sotto forma di pixellatura artificiale dell immagine.
18 I singoli pixel subiscono una modifica in termini di contenuto cromatico e/o di intensità/densità. Tale variazione può introdurre un errore di valutazione importante (5% - 10%) direttamente rapportato al coefficiente di compressione utilizzato. TIFF JPEG Differenza assoluta
19 Dinamica del segnale La dinamica del segnale descrive l escursione relativa della intensità del segnale fluorescente in osservazione (valore massimo valore minimo). Espresso come Flusso di Fotoni (fotoni / unità di sup. / Sec.) Il processo di conversione digitale effettua una scomposizione del segnale fluorescente utilizzando una scala numerica con una quantità predeterminata di valori (Livelli di Grigio). Continuo Discreto Immagine digitale Scala a Livelli di Grigio
20 Condizione teorica ottimale : 1 f = 1 gl scala di grigio compresa tra 0 ed Infinito. Dinamica del segnale In realtà la dinamica digitale del segnale è una caratteristica del dispositivo di acquisizione utilizzato Per i sensori CCD esso è funzione del rapporto tra la capacità di immagazzinamento dei fotoni (FWC) propria delle singole celle ed il contributo dei rumori intrinseci (ReadNoise, Termalnoise, ect) da esso generati. Esempio : Consideriamo un CCD con FWC pari a e con un Noise di 12 e. Il relativo RDD risulta : GrayLevels= / 12 = [12 bit (4.096 GrayLevels)] L efficienza di conversione definisce il numero di fotoni descritto dal singolo livello di grigio. EC = FWC / GL (- Offset) EC = / 4096 = f FWC inversamente proporzionale alle dimensioni della singola cella CCD.
21 Dinamica del segnale Nel caso di sensori PMT utilizzati nei sistemi confocali, a causa del basso flusso di fotoni (Pin Hole), la dinamica digitale del segnale risulta funzione del solo segnale. Non confondere dinamica digitale del segnale con il formato file. Sfruttiamo al meglio la dinamica del segnale evitando, per quanto possibile, la saturazione di parti dell immagine.
22 Campionamento e densità La densità di campionamento rappresenta il numero di unità digitali di base (pixel o voxel) catturate per unità di superfice / volume. Essa definisce la connessione diretta tra le unità digitali (voxel) ed il reale volume dello spazio fisico. La densità di campionamento è direttamente derivata dai parametri caratteristici del sistema ottico (PSF) e non può essere modificata dopo l acquisizione del volume. La Point Spread Function (PSF) rappresenta il mattone sul quale l immagine viene costruita. Risulta quindi basilare registrare i dettagli in essa contenuti con la stessa scala della PSF. PSF Image Restoration
23 Campionamento e densità Il valore di campionamento critico, al di sotto del quale il processo di acquisizione può produrre artefatti (frange di diffrazione), è calcolato utilizzando la formula di Nyquist. La frequenza di campionamento di un segnale (Analogico ->Digitale) deve risultare più grande del doppio della banda passante del segnale originale in modo da garantirne la perfetta ricostruzione digitale. Calcolo Z secondo Nyquist Δ z = λ em / (2 N (1- cos α)) Λ em = emission wavelenght N = medium index α = ½ angolo apertura obiettivo Calcolo XY secondo Nyquist In pratica Λ em = 520nm N = NA = 1.3 α = αrcsen(na/n) Δ z = 520 /(2*1.515*(1-cos α)) Δ z = 353 nm Δ xy = λ em / (4 N sen α)
24 Risoluzione
25 Le molteplici risoluzioni di un sistema A. Risoluzione Ottica : limite di discriminazione tra due oggetti adiacenti. Determinato dalla apertura numerica dell obiettivo e dalla lunghezza d onda di emissione della luce. B. Risoluzione spaziale : limite di discriminazione del sensore CCD. Determinato dalle dimensioni della singola cella del sensore e dall ingrandimento dell obiettivo utilizzato. C. Risoluzione Immagine : caratteristica dell immagine digitale. Corrisponde al numero di pixel orizzontali / verticali che formano l immagine.
26 La risoluzione Ottica. La risoluzione ottica del microscopio è funzione della : lunghezza d onda della luce utilizzata; apertura numerica (N.A.) dell obiettivo. La risoluzione ottica del microscopio NON dipende da: ingrandimento dell obiettivo Secondo la formula generale ->R = 0,61 λ em / N.A. dove N.A.= n sen a (Formula descritta per la prima volta da Ernest Abbe e Carl Zeiss) Si consideri che: Maggiore e l angolo (N.A.) con cui l obiettivo è in gradodi raccogliere la lucemaggiore è ilpoteredirisoluzione Maggiore è N.A. minore è la distanzadilavoro Per obiettivi in aria a è sempre minore di 90
27 Risoluzione spaziale & Risoluzione discriminante La risoluzione spaziale rappresenta la dimensione, espressa in unità metriche, del più piccolo oggetto, proiettato sul piano di fuoco, identificabile come tale dal sistema di acquisizione. La risoluzione discriminante rappresenta la distanza minima, espressa in unità metriche, che deve intercorrere tra due oggetti proiettati sul piano di fuoco, e ben contrastati tra loro, per poter essere identificati come tali dal sistema di acquisizione.
28 Risoluzione spaziale In presenza di un dispositivo CCD, la risoluzione spaziale risulta funzione delle dimensioni della singola cella del sensore (pixel size) e del ingrandimento dell obiettivo utilizzato secondo la formula: Rs= (Pixel size / Ingrandimento obiettivo) 4.6 um In presenza di un dispositivo PMT confocale, la risoluzione spaziale risulta funzione delle dimensioni Pin Hole utilizzato (Airy unit), dal fattore di ingrandimento (zoom) e dal numero di pixels utilizzati per la matrice di acquisizione. L impostazione di questi parametri è strettamente dipendenti dai valori di densità di campionamento calcolati utilizzando la formula di Nyquist.
29 Risoluzione discriminante A causa delle caratteristiche fisiche del sensore CCD, due oggetti devono distare almeno di un pixel tra loro per poter essere discriminati come tali. Rd = ((Pixel size / Ingrandimento) * 2.3) Esempio : Pixel size = 6.4 um, Ingrandimento = 100x Risoluzione spaziale = (6.4 / 100) = um -> (Pixel size / Ingrandimento) Risoluzione Discriminante = ((6.4 / 100) * 2.3) = um -> (Pixel size / Ingrandimento) * 2.3
30 Risoluzione Immagine Caratteristica dell immagine digitale. Corrisponde al numero di pixel orizzontali / verticali che formano l immagine. Da non confondere con i DPI x 768 pixel 2048 x 1536 pixel
31 Artefatti & affini
32 Principali sorgenti di errore Artefatti Background Rumore Campione Sistema Ottico e di acquisizione Si aggiunge al reale segnale e ne compromette la quantificazione. Causa una variazione (fluttuazione) del segnale intorno al suo valore reale. Decadimento delle caratteristiche del segnale. Degrado delle caratteristiche dell immagine originale. Autofluorescenza. Fuori fuoco. Luce estranea Poisson noise (campione) Noise ottico Noise digitale (detector) Photobleaching Quencing etc. Valutazione PSF Aberrazioni sferiche e cromatiche Disallineamento Artefatti
33 Quencing : generato da processi che producono il passaggio degli elettroni dallo stato di eccitazione a quello di riposo senza emissione di luce. Questi processi competono con i classici processi fluorescenti riducendone il LIFETIME e la QY (emissione quantica) del fluoroforo utilizzato. Il processo di Quencing è reversibile. Photobleaching : Perdita permanente della capacità di emettere elettroni da parte del fluoroforo a causa di un danno chimico indotto. Una delle cause principali del Photobleaching è l interazione del fluoroforo con luce ed ossigeno (distruzione molecole fluorescenti con creazione di radicali liberi che interagiscono con altre molecole presenti nelle cellule). Tale effetto può essere contenuto riducendo la quantità di luce utilizzata per l eccitazione ed aggiungendo al media di montaggio appositi preparati Antifading. Il processo di Photobleaching non è reversibile. Fluoroforo : FITC Sorgente di eccitazione : HBO 100W Esposizione : 30sec Perdita del 50% del segnale
34 Photobleaching Perdita progressiva della capacità di un fluoroforo di emettere fotoni in risposta ad uno stimolo luminoso. La continua e prolungata esposizione ad una sorgente di eccitazione porta alla completa estinzione della molecola fluorescente. T = 0 sec T = 15 sec T = 30 sec
35 Correzione degli artefatti Decadimento del segnale La procedura corregge le differenze di intensità di segnale causate dal degrado della sonda fluorescente nel corso del tempo (timelapse o volume 3D). Correzione Background Elimina i difetti dovuti alla disomogeneità del campo illuminato (disallineamento lampada, ect) Disomogeneità di illuminazione La procedura corregge le differenze di intensità di segnale causate dalla non perfetta stabilità della sorgente di illuminazione (Flickering)
36 Ripristino delle caratteristiche originali delle immagini La convoluzione è il processo ottico di creazione dell immagine. Esso introduce artefatti di vario genere con la conseguente degradazione dell immagine. 1. Rumore 2. Aberrazioni (sferiche e cromatiche) 3. Errata localizzazione della luce (sfocatura) A causa della profondità di campo dell obiettivo utilizzato, la luce proveniente dai piani di fuoco adiacenti a quello principale fornisce il proprio contributo nella formazione dell immagine.
37 Ripristino delle caratteristiche originali delle immagini La profondità di campo è funzione principalmente della apertura numerica della lente e della lunghezza d onda di emissione della luce utilizzata. La profondità di campo può essere espressa come : DoF = λn/na2 + (n/m NA)e Bkg Segnale S/N Prima conseguenza evidente è rappresentata dalla riduzione della risoluzione e del rapporto segnale / rumore all interno dell immagine.
38 Ripristino delle caratteristiche originali delle immagini ImageRestoration insieme di procedure e funzioni atte al recupero di un segnale (immagine) nella sua forma originale. Deconvoluzione 3D operazione matematica utilizzata per recuperare un segnale degradato da un processo fisico. Filtri spaziali lineari e non Filtri in domini di frequenza (FFT) Nessuna alterazione dell immagine (analisi quantitativa)
39 Ripristino delle caratteristiche originali delle immagini Per ridistribuire correttamente la luce è necessario conoscere a priori il modello fisico che regola la diffusione della stessa nel sistema ottico in uso (descrittore della funzione di convoluzione). Tale modello fisico è conosciuto come PSF o Point Spread Function.
40 Semplificare le informazioni
41 Quale è la nostra base di partenza? Circa 1/3 del cervello umano elabora informazioni visive Percezione visiva dipende dal modo in cui vengono elaborate le informazioni luminose prodotte da fotoni che colpiscono la retina Elaborazioni diverse permettono di percepire aspetti diversi della visione: forme, colore, movimento, profondità. Elaborazione molto veloce e complessa : percezione simultanea di dettagli e di aspetti globali dell immagine. Visione Conoscenza Valutazione Comprensione della scena Informazioni Le principali prerogative del sistema visivo umano sono la rapidità di interpretazione, la capacità di adattamento alle variazioni presenti nella scena rispetto al modello noto e la possibilità di incrementare la conoscenza.
42 Quale è la nostra base di partenza? Immagine Ottica campione Sensore (CCD, PMT) Matrice bidimensionale di pixel ognuno dei quali rappresenta una specifica area del campione Fotoni convertiti in una grandezza fisica proporzionale (ma non uguale) al numero dei fotoni rilevati. I livelli di grigio espressi dai singoli pixel rappresentano il numero di fotoni presenti nella corrispondente area / volume del campione
43 Semplificare per identificare Proprietà dei pixel : Intensità (luminosità) Coordinate spaziali X,Y Identità ed iterazione con pixel adiacenti E evidente la difficoltà nell assegnare, sulla sola base delle proprietà sopra indicate, i singoli pixel ad una specifica classe di appartenenza (filamento, nucleo, membrana, fondo ect)
44 Identificazione delle strutture Metodi strettamente dipendenti dalle caratteristiche delle strutture da identificare Preservare il contenuto informativo Manipolazione dell immagine Segmentazione Region Growing Riconoscimento contorni (Edge detection) Binarizzazione
45 Riconoscimento dei contorni Si definisce contorno (edge) una forte variazione locale dei livelli di grigio tipicamente associata al bordo di una regione od al confine di separazione tra due regioni adiacenti. Per rilevare i contorni si ricorre al calcolo del gradiente di intensità, ovvero alla valutazione delle variazione dei livelli di grigio, ed al suo orientamento nell intorno del bordo da definire. Uno degli algoritmi più conosciuti è il LoG (Laplace ofgaussian) che determina il gradiente attraverso il calcolo della derivata seconda dei livelli di grigio. L area racchiusa dal contorno è riempita con un solo valore di grigio e considerata struttura (oggetto).
46 Riconoscimento dei contorni Il contorno può risultare chiuso ed identificare una specifica regione dell immagine (oggetto) oppure aperto e definirne solo una parte del confine. Uno dei principali motivi della mancata chiusura dei bordi è da ricondurre al basso contrasto esistente tra regioni dell immagine (es fondo ed oggetto). Anche la presenza di rumore sull'immagine (basso SNR) è causa di difficoltà nella rilevazione dei contorni (generazione di falsi bordi). Immagine Edge detection & linking Binarizzazione Ogni area racchiusa dal un contorno è riempita con un solo valore di grigio e considerata struttura (oggetto).
47 Segmentazione Tipicamente si tende a distinguere il fondo (background) dalle strutture di interesse. All interno dell intervallo di grigi si trova l oggetto, all esterno il fondo. Le tecniche di segmentazione sono sensibili ai vari artefatti presenti nell immagine (rumore, disomogeneità, ect). In presenza di strutture caratterizzate da intensità di fluorescenza differenti un unico intervallo di grigi non consente una perfetta identificazione delle stesse.
48 Segmentazione Adattiva Le tecniche di segmentazione adattiva permettono di calcolare l intervallo di grigio adeguato ad una zona specifica dell immagine in funzione delle caratteristiche locali del segnale (valutazione statistica). E possibile dividere l immagine in aree irregolari in base alle caratteristiche di omogeneità espresse localmente dal segnaledi segnale.
49 Segmentazione Tutti i pixel compresi nell intervallo di grigi definito e confinanti tra loro vengono assegnati alla stessa struttura. In questo caso le strutture vengono create accorpando tutte le aree tra loro confinanti secondo criteri impostati dall operatore. Tali criteri sono basati su caratteristiche morfologiche, statistiche, di tessitura della superficie o di omogeneità di segnale.
50 Crescita delle regioni (Region Growing) Proposto da Haralick, fa uso di descrittori statistici. Si basa sulla progressiva aggregazione di pixel in regioni connesse. Tale aggregazione avviene sulla base di uno o più criteri di similarità. Originale Massimo locale Crescita delle regioni Definizione strutture Partendo da un punto qualsiasi dell immagine (massimo o minimo locale) vengono aggregati tutti i pixel del suo vicinato che soddisfano i parametri statistici assegnati (es. media e varianza). La regione viene considerata completa (e non cresce più) quando tutti i pixel sono stati classificati (come aggiunta si possono valutare alcuni criteri ad essa associati (forma, dimensione, ect) oppure incontra un altra regione in crescita. La procedura è ripetuta per ogni punto aggiunto e le statistiche della regione vengono aggiornate ciclicamente.
51 Estrazione delle informazioni
52 Estrazione delle informazioni Possiamo ottenere qualsiasi grandezza fisica diretta descrivente : Dimensioni Forma Posizione Area Perimetro Diametri Roundness Aspect ratio Centroide XY
53 Estrazione delle informazioni Possiamo ottenere grandezze fisiche che descrivono il segnale presente : Intensità del segnale Variazione di segnale Distribuzione di segnale
54 Le misure di fluorescenza e la calibrazione. Corretto il confronto tra strutture appartenenti allo stesso campo Incorretto il confronto diretto tra strutture appartenenti a campi / campioni differenti a causa delle: Impostazioni del sistema di acquisizione. (esposizione, eccitazione, ect) Stato del campione.(photobleaching, quencing, ect) Rumore, disomogeneità nella distribuzione del segnale, fuori fuoco, ect Condizioni ambientali
55 Le misure di fluorescenza e la calibrazione. Una delle possibili soluzioni consiste nel legare la misura di interesse con un riferimento che possa esprimere le eventuali variazioni dovute alle condizioni esterne al campione. Livello del fondo Auto fluorescenza dei tessuti circostanti Segnali provenienti da strutture non influenzate dalle condizioni sperimentali Linea cellulare nota inserita nel processo di analisi Misure raziometriche (Ca 2+ ) Cellule non caricate e caricate a saturazione Caso reale Intensità dei telomeri normalizzata con intensità centromero prima del loro confronto. Entrambi marcati utilizzando lo stesso dye.
56 Le misure di fluorescenza e la calibrazione. La calibrazione del sistema di acquisizione garantisce la ripetibilità delle misure 100% Intensità relativa 33% Intensità relativa 10% Intensità relativa 3% Intensità relativa 0.667% Intensità relativa
57 3D: il mondo reale
58 Quale è la nostra base di partenza? 3 Dimensioni Immagine Ottica campione Sensore (CCD, PMT) Matrice tridimensionale di voxel ognuno dei quali rappresenta uno specifico volume del campione. Fotoni convertiti in una grandezza fisica proporzionale (ma non uguale) al numero dei fotoni rilevati. I livelli di grigio espressi dai singoli voxel rappresentano il numero di fotoni presenti nella corrispondente volume del campione.
59 Semplificare per identificare Proprietà dei voxel : Intensità (luminosità) Coordinate spaziali X,Y e Z Identità ed iterazione con voxel adiacenti E evidente la difficoltà nell assegnare, sulla sola base delle proprietà sopra indicate, i singoli voxel ad una specifica classe di appartenenza (filamento, nucleo, membrana, fondo ect) Iso Superficie
60 Costruzione delle Iso Superfici Le iso superfici rappresentano l equivalente 3D degli iso contorni. Entrambe descrivono una parte di volume, o di una area bidimensionale, all interno del quale tutti i punti (voxel) presenti possiedono un valore eguale tra loro o compreso in un intervallo definito Iso Superficie Iso Contorno Le iso superfici non hanno solo una valenza estetica ma risultano essenziali per la quantificazione del volume. Esse costituiscono il guscio che racchiude le nostre strutture dandogli forma e confini precisi.
61 Identificazione delle strutture Metodi strettamente dipendenti dalle caratteristiche delle strutture da identificare Preservare il contenuto informativo Manipolazione dell immagine Segmentazione Region Growing Iso Superficie
62 Costruzione delle Iso Superfici 1. Selezione dell intervallo di intensità del segnale (livelli di grigio) da descrivere attraverso la Iso Superficie. 2. Creazione matematica di una struttura complessa di forme geometriche (triangoli) che descrivono la superficie esterna del volume. 3. Trasformazione visiva della struttura complessa attraverso il loro riempimento.
63 Costruzione delle Iso Superfici Il livello di precisione nella ricostruzione della superficie è gestito attraverso il grado di interpolazione matematica con la quale vengono create le forme geometriche. Tanto più piccoli sono i triangoli tanto più dettagliata è la superficie. Di contro un grado di interpolazione troppo elevato tende, in presenza di interconnessione spaziale dei voxels bassa, a frammentare il volume più del necessario.
64 Quali informazioni di base possiamo estrarre? Qualsiasi grandezza fisica diretta descrivente : Dimensioni Forma Segnale Posizione Volume Superficie Diametri Sfericità Intensità Baricentro X Y Z Spostamento Distanze tra comparti Distanze tra strutture Altro..
65 Quali informazioni di base possiamo estrarre? Volume ricostruito Sezioni ortogonali Misure di distanza lineari e non tra punti nello spazio reale appartenenti al volume.
66 Quali informazioni di base possiamo estrarre?
67 Le misure di fluorescenza. Le iso superfici costituiscono il guscio che racchiude le nostre strutture dandogli forma e confini precisi. Struttura su canale n 3 Segnale canale n 1 Segnale canale n 2
68 Il processo di analisi Definizione delle Iso Superfici Divisione degli oggetti Selezione degli oggetti di interesse Classificazione delle strutture
69 Il processo di analisi Studio interazioni dei comparti cellulari Distanza vescicole Nuclei Colocalizatione dellevescicole (Intensità di un canale all interno del volume vescicolare) DistanzaVescicole Membrana Numero di Vescicole per nucleo Densità delle vescicole per nucleo Numero di vescicole per cellula, Densità delle vescicole per cellule,, Volume delle vescicole per cellula Nuclei per Cellula Volume del Nucleo / Volume del Citoplasma Distanza media vescicole Nuclei e vescicole vs Membrana Intensità delle vescicole per cellula
70 Informazioni in movimento Valutazione del movimento delle strutture (variazione della posizione) rispetto al tempo ed allo spazio. Determinazione della direzione, velocità, accelerazione e tipologia del moto di ogni singolo oggetto. Quantificazione delle modifiche strutturali (Dimensioni) e chimiche (intensità del segnale) in relazione al tempo.
71 Informazioni in movimento Browniano Connesso Autoregressivo r t a t b t a r r t c t d t b t e t e t c r E importante conoscere la natura del moto degli oggetti per poter selezionare l algoritmo adeguato alla loro identificazione.
72 Informazioni in movimento Editing delle tracce Correzione dei tracciati erroneamente calcolati. Separazione e collegamento di spezzoni di traccia.
73 Informazioni in movimento Selezione (filtro) Statistica Rappresentazione
74 Colocalizzazione di oggetti Iterazione proteina proteina. Associazione spaziale di segnali Oggetti che risultano parzialmente in contatto o totalmente inseriti in altri oggetti.
75 Colocalizzazione di oggetti Definizione della intensità del segnale utilizzata per costruire le Iso Superfici. Divisione degli oggetti tramite region growing
76 Colocalizzazione di oggetti Estrazione dei dati di intensità di fluorescenza della proteina B (canale verde) localizzata dentro i siti relativi alla proteina A (canale rosso). Classificazione per livello di intensità espresso.
77 Colocalizzazione di segnale Valutazione del livello di sovrapposizione spaziale di due segnali fluorescenti aventi caratteristiche spettrali (lunghezze d onda) di emissione differenti. L analisi della colocalizzazione richiede: 1. Basso livello di rumore 2. Segnali non saturati 3. Nessuna sovrapposizione tra gli spettri di emissione dei fluorocromi (bleed through) 4. Funzione PSF dei singoli canali molto simile (richiede verifica PSF con bead multicolore) 5. Registrazione XY perfetta tra i due fluorocromi (shifting ottico) 6. Rimozione del fuori fuoco
78 Colocalizzazione di segnale Obiettivo : calcolo di coefficienti statistici atti a valutare il grado di sovrapposizione dei segnali Tra i più utilizzati : Coefficiente di Pearson - Misura la sovrapposizione tra i pixel Coefficienti di Manders - Misura il contributo di sovrapposizione di un canale rispetto all altro Coefficiente di correlazione -Misura il grado di correlazione tra i due canali si considerano inoltre : Numero di voxel colocalizzati, volume sopra soglia colocalizzato, materiale sopra soglia materializzato..
79 Colocalizzazione di segnale Punto critico : valutazione della probabilità di colocalizzazione casuale 17 pixel su40 presenti sono colocalizzati. Dato significativo o casuale? La risposta attarverso il calcolo del coefficiente di probalibità
80 Colocalizzazione di segnale Punto critico : valutazione della probabilità di colocalizzazione casuale Il coefficiente di correlazione di Pearson viene calcolato su uno dei due canali (PCC 1). Il secondo canale viene sottoposto ad un processo di smoothing (PSF size). P = 0.97% P = 0.55% Successivamente i pixel che compongono il secondo canale vengono riposizionati nella matrice in tutte le combinazioni possibili ed i rispettivi coefficienti di Pearson calcolati. Il coefficiente di Pearson del primo canale viene confrontato con la distribuzione dei coefficienti di Pearson calcolati sul secondo canale. Se il coefficiente di Pearson del primo canale non è superiore al 95% della distribuzione ottenuta sul secondo canale la probabilità che la colocalizzazione sia casuale è reale. L immagine deve essere scartata.
81 Colocalizzazione di segnale Punto critico : definizione della soglia di colocalizzazione dei singoli canali Canale A Interpolazione lineare dei valori Coefficiente di Pearson = 0 per valori di soglia inferiori a quelli impostati Canale B L algoritmo proposto da Costes e Lockett (NCI/NIH) si basa sulla esclusione delle coppie di intensità che non mostrano correlazione (coefficiente di Pearson =< 0). Partendo dalla coppia di valori di intensità più alti, l algoritmo procede verso il basso della scala di intensità lungo la linea di interpolazione calcolata. Il coefficiente di Pearson viene calcolato per tutti I valori al di sotto della soglia corrente. L algoritmo procede fino a quando il coefficiente di Pearson raggiunge il valore 0 (o diventa negativo).
82 Colocalizzazione di segnale Canale A Interpolazione lineare dei valori Coefficiente di Pearson = 0 per valori di soglia inferiori a quelli impostati Canale B
83 Il processo di analisi Analisi di filamenti Misurazione dell albero dendritico Identificazione delle spine e calcolo delle loro caratteristiche strutturali (volume, ect) Diametro dei filamenti. Statistica distribuzione spine Orientamento dendriti Analisi dei livelli dei branches (generazioni) Classificazione spine
84 Il processo di analisi Analisi di filamenti
85 Apertura al mondo esterno Programma di analisi Piattaforme di calcolo
86 Alcuni lavori scientifici e testi interessanti La piattaforma di visualizzazione ed analisi 3D/4D IMARIS
87 Immagini & Computer Snc Via Don Carlo Riva 4 Bareggio (Mi) GRAZIE PER LA VOSTRA ATTENZIONE!
Università degli Studi di Verona Dipartimento di Scienze Neurologiche e della Visione. Analisi quantitativa delle immagini
Università degli Studi di Verona Dipartimento di Scienze Neurologiche e della Visione Analisi quantitativa delle immagini 26 Marzo 2010 Aula Magna Gavazzi Facoltà di Medicina Verona Immagini & Computer
DettagliNeuroscience Institute of the Cavalieri Ottolenghi Foundation Regione Gonzole 10, Orbassano (Torino)
Neuroscience Institute of the Cavalieri Ottolenghi Foundation Regione Gonzole 10, 10046 Orbassano (Torino) per applicazioni in Life Science 10 Febbraio 2011 Immagini & Computer S.n.c. Via Don Carlo Riva
DettagliUniversità Degli Studi Di Ferrara In collaborazione con il Signal Trasduction lab. Analisi quantitativa delle immagini
Università Degli Studi Di Ferrara In collaborazione con il Signal Trasduction lab. Analisi quantitativa delle immagini 07 Luglio 2010 Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi)
DettagliAnalisi quantitativa delle immagini per applicazioni in Life Science
per applicazioni in Life Science 15 Aprile 2011 Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi) L analisi quantitativa delle immagini rappresenta l arte di trasformare una sensazione
DettagliCENTRO GRANDI STRUMENTI Università degli Studi di Pavia. Image Restoration e Deconvoluzione Quantitativa delle Immagini
CENTRO GRANDI STRUMENTI Università degli Studi di Pavia Image Restoration e Deconvoluzione Quantitativa delle Immagini 17 Febbraio 2011 Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi)
DettagliCENTRO GRANDI STRUMENTI Università degli Studi di Pavia. Analisi quantitativa delle immagini per applicazioni IHC
CENTRO GRANDI STRUMENTI Università degli Studi di Pavia Analisi quantitativa delle immagini per applicazioni IHC 14 Dicembre 2011 Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi) L analisi
DettagliUniversità Degli Studi Di Ferrara In collaborazione con il Signal Trasduction lab. Analisi quantitativa delle immagini
Università Degli Studi Di Ferrara In collaborazione con il Signal Trasduction lab. 07 Luglio 2010 Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi) L analisi quantitativa delle immagini
DettagliUniversità degli Studi di Verona Dipartimento di Scienze Neurologiche e della Visione. Analisi quantitativa delle immagini
Università degli Studi di Verona Dipartimento di Scienze Neurologiche e della Visione Analisi quantitativa delle immagini 26 Marzo 2010 Aula Magna Gavazzi Facoltà di Medicina Verona Immagini & Computer
DettagliElaborazione delle immagini
Dipartimento di Fisica a.a. 4/5 Fisica Medica Elaborazione delle immagini 5/4/5 Processamento Una mappatura di tipo esponenziale mostra un immagine del tipo Intensità d uscita Intensità in entrata L =
DettagliIl contrasto. La percezione del contrasto. Contrasto e filling-in. Il contrasto simultaneo. Le distribuzioni di luminanza (ii)
20 Aprile 2006 Corso di Laurea in Informatica Multimediale Facoltà di Scienze MMFFNN Università di Verona Il contrasto La percezione del contrasto Chiara Della Libera DSNV Università di Verona Sezione
DettagliLABORATORIO DI TECNICHE CITOLOGICHE, MORFOLOGICHE E MORFOMETRICHE. Strumenti di indagine e metodi di studio delle cellule
LABORATORIO DI TECNICHE CITOLOGICHE, MORFOLOGICHE E MORFOMETRICHE Strumenti di indagine e metodi di studio delle cellule Strumenti di indagine delle cellule 1.Metodi diretti all analisi strutturale in
DettagliELABORAZIONE DELLE IMMAGINI:
Università degli Studi di Catania Facoltà di Scienze Matematiche,Fisiche e Naturali Corso di Laurea in Informatica, Secondo Livello ELABORAZIONE DELLE IMMAGINI: EDGE DETECTION Corso di Analisi Numerica
DettagliElaborazione delle immagini a basso livello
Sommario Introduzione Percezione Formazione delle immagini Estrazione di informazione 3D da un immagine Riconoscimento di oggetti Manipolazione e navigazione Conclusioni 128 La luce riflessa dagli oggetti
DettagliL immagine. Meccanismi della visione umana Come si genera un immagine Caratteristiche dell acquisizione L immagine digitale
L immagine Meccanismi della visione umana Come si genera un immagine Caratteristiche dell acquisizione L immagine digitale Da dove vengono le immagini? Il principale (e più familiare, in quanto legato
DettagliAL DI LA DELLE IMMAGINI
AL DI LA DELLE IMMAGINI Lucia Della Croce Giulia Maggi Ada Pulvirenti - Giuseppe Toscani Dipartimento di Matematica Università di Pavia Piano Lauree Scientifiche Broni - I. I. S. Faravelli 7 Dicembre 2010
DettagliOperazioni puntuali. Tipi di elaborazioni Operatori puntuali Look Up Table Istogramma
Tipi di elaborazioni Operatori puntuali Look Up Table Istogramma Analisi di Basso Livello In ingresso abbiamo le immagini provenienti dai sensori. In uscita si hanno un insieme di matrici ognuna delle
DettagliQualità delle Immagini
Qualità delle Immagini Master: Verifiche di Qualità in Radiodiagnostica, Medicina Nucleare e Radioterapia Lezioni n. 7-8 Dr. Rocco Romano (Dottore di Ricerca) Facoltà di Farmacia, Università degli Studi
DettagliAcquisizione ed elaborazione di segnali
UNIVERSITÀ DI PISA Corso di Laurea in Scienze Motorie Tecnologie e strumentazione biomedica Elaborazione di segnali Alberto Macerata Dipartimento di Ingegneria dell Informazione Acquisizione ed elaborazione
DettagliLe immagini digitali
Le immagini digitali immagini raster immagini vettoriali Immagini raster Dette pittoriche o pixel oriented dividono l immagine in una griglia uniforme. Ciascuna cella della griglia ha uguale dimensione.
Dettagli1 - STATO DELL ARTE DEI SISTEMI DI VIDEOSORVEGLIANZA...7
INDICE 1 - STATO DELL ARTE DEI SISTEMI DI VIDEOSORVEGLIANZA...7 1.1 - INTRODUZIONE...7 1.2 - EVOLUZIONE DEI SISTEMI DI VIDEOSORVEGLIANZA...10 1.2.1 - Sistemi di videosorveglianza di prima generazione (first-generation
DettagliAcquisizione e rappresentazione di immagini
Acquisizione e rappresentazione di immagini Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Elaborazione delle immagini anno accademico 2009 2010 Radiazione elettromagnetica λ
DettagliINDICE Esempi di segnali determinati: periodici e di energia Esempio di segnale aleatorio...4
INDICE 1 Introduzione: definizione e classificazione dei segnali... 1 1.1 Introduzione all elaborazione numerica dei segnali... 1 1.2 Classificazione dei segnali... 2 1.2.1 Esempi di segnali determinati:
DettagliSensazione e percezione
Teoria del colore Analisi chimiche, fisiche e sensoriali dei prodotti alimentari i Percezione e mondo fisico Mondo fisico Fenomeni oggettivi Fenomeni misurabili Mondo della percezione Stimolazione sensoriale
DettagliTelecamere per la vision artificiale. Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo
Telecamere per la vision artificiale Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo Immagini monocromatiche Ogni cella corrisponde ad un bit. Y Row 1 1 1 1 q X 0: nero 1: bianco
DettagliSegnali Numerici. Segnali Continui
Segnali Continui La descrizione dell andamento nel tempo di un fenomeno fisico è data da una funzione continua nel tempo (X) e nelle ampiezze (Y) Il segnale analogico è una serie continua di valori x e
Dettagli1 PROCESSI STOCASTICI... 11
1 PROCESSI STOCASTICI... 11 Introduzione... 11 Rappresentazione dei dati biomedici... 11 Aleatorietà delle misure temporali... 14 Medie definite sul processo aleatorio... 16 Valore atteso... 16 Esercitazione
DettagliSistemi di Elaborazione delle Informazioni
Università degli Studi di Messina Policlinico G. Martino - Sistemi di Elaborazione delle Informazioni A.A. 26/27 Università degli Studi di Messina Policlinico G. Martino - Sistemi di Elaborazione delle
DettagliLe immagini digitali. Introduzione
Le immagini digitali Introduzione 2 L informazione grafica grafica a caratteri grafica vettoriale grafica raster 3 Due grandi categorie Immagini reali: acquisite da una scena reale mediante telecamera,
DettagliElaborazione delle immagini
Scuola di Specializzazione in Fisica Sanitaria a.a. 2005/2006 Corso di Informatica e Statistica Medica Elaborazione delle immagini 1/3/2006 Filtri non lineari Tra i filtri non lineari il più conosciuto
DettagliSimulazione. D.E.I.S. Università di Bologna DEISNet
Simulazione D.E.I.S. Università di Bologna DEISNet http://deisnet.deis.unibo.it/ Introduzione Per valutare le prestazioni di un sistema esistono due approcci sostanzialmente differenti Analisi si basa
DettagliPage 1. Elettronica delle telecomunicazioni 2003 DDC 1. Politecnico di Torino Facoltà dell Informazione. Contenuti del Gruppo C
Modulo Politecnico di Torino Facoltà dell Informazione Elettronica delle telecomunicazioni Conversione A/D e D/A C1 - Processo di conversione» campionamento e aliasing» filtro anti aliasing» rumore di
DettagliFotografia corso base. Educazione Permanente Treviso. Specifiche digitali. Federico Covre.
Fotografia corso base Educazione Permanente Treviso Specifiche digitali http://arcifotografiabase.wordpress.com Federico Covre Pixel (picture element) Indica ciascuno degli elementi puntiformi che compongono
DettagliPIXEL. Il valore quantizzato misurato da ciascun sensore diventa un. PICTURE ELEMENT = PIXEL dell immagine. Interazione & Multimedia
La risoluzione PIXEL Il valore quantizzato misurato da ciascun sensore diventa un PICTURE ELEMENT = PIXEL dell immagine La risoluzione Definizione: si dice risoluzione il numero di pixel per unità di misura.
DettagliALLEGATO 1 METODOLOGIA MASW
ALLEGATO 1 METODOLOGIA MASW Nella maggior parte delle indagini sismiche per le quali si utilizzano le onde compressive, più di due terzi dell energia sismica totale generata viene trasmessa nella forma
DettagliLinguaggi ed Applicazioni mul1mediali
Università degli Studi di Urbino "Carlo Bo" Linguaggi ed Applicazioni mul1mediali 01.01- Mul1media Introduzione alla mul1medialità Maurizio Maffi ISTI Informa1on Science and Technology Ins1tute LA MULTIMEDIALITA
DettagliConversione analogico-digitale
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2004-05 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
DettagliFondamenti di Elaborazione di Immagini Introduzione. Raffaele Cappelli.
Fondamenti di Elaborazione di Immagini Introduzione Raffaele Cappelli raffaele.cappelli@unibo.it Obiettivi del corso Il corso introduce i principali concetti e le tecniche di base per l elaborazione delle
DettagliDall occhio al cervello (1)
Dall occhio al cervello (1) Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it http://boccignone.di.unimi.it/pmp_2018.html
DettagliSegnali analogici. Segnali aleatori. Segnali determinati Trasmissione ideale Trasmissione perfetta. Trasmissione imperfetta
Segnali determinati Trasmissione ideale Trasmissione perfetta Segnali analogici 40 20 Segnali aleatori Trasmissione imperfetta Laboratorio di Segnali Segnali modulati Segnali tempo discreto e segnali in
DettagliFormazione di orbitali π. La differenza di energia tra due orbitali π è minore di quella tra due orbitali. Orbitali di non legame, n
Spettroscopia Studia le interazione tra le radiazioni elettromagnetiche e la materia. Come sono fatti questi sistemi? La formazione dei legami chimici viene spiegata in termini di interazioni di orbitali
DettagliCorrelazione temporale di singolo fotone TCSPC
Correlazione temporale di singolo fotone TCSPC Si vuole estrarre informazione sulla distribuzione dei tempi di arrivo dei fotoni rivelati AA 2009/10 Laboratorio di Fisica della Materia 1 Apparato sperimentale
DettagliEstrazione dei bordi
Estrazione dei bordi L algoritmo di Marr-Hildreth L algoritmo di Canny Operatori per l estrazione dei bordi (edge operators) Lo scopo di questi operatori è quello di generare un immagine dei bordi (edge
DettagliLez. 5 Digital Image Processing
Lez. 5 Digital Image Processing Prof. Giovanni Mettivier 1 Dott. Giovanni Mettivier, PhD Dipartimento Scienze Fisiche Università di Napoli Federico II Compl. Univ. Monte S.Angelo Via Cintia, I-80126, Napoli
DettagliStrumentazione biomedica
UNIVERSITÀ DI PISA Corso di Laurea in Scienze Motorie Tecnologie e strumentazione biomedica Caratteristiche della strumentazione biomedica Nicola Vanello Dipartimento di Ingegneria dell Informazione A
DettagliElaborazione dei dati. pkt /9
Elaborazione dei dati pkt006-89-1.0 4/9 1 Argomenti 1. Analisi delle immagini multispettrali 2. Analisi dell istogramma e enfatizzazione del contrasto 3. Trasformata RGB-IHS 4. Filtraggio 5. Estrazione
DettagliTecniche di enfatizzazione
Tecniche di enfatizzazione Cosa è l enfatizzazione delle immagini L enfatizzazione o enhancement delle immagini è un insieme di tecniche che vengono utilizzate per migliorare l aspetto delle immagini al
DettagliAnalisi quantitativa delle immagini. Image Restoration. Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi)
Analisi quantitativa delle immagini Image Restoration Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi) e deconvoluzione Un po di chiarezza Image restoration = insieme di procedure e
DettagliSegnale e Rumore Strumentale
Chimica Analitica dei Processi Industriali Corso di Laurea Magistrale in Chimica Industriale Università degli Studi di Padova Segnale e Rumore Strumentale Andrea Tapparo Università degli Studi di Padova
DettagliTecnologie informatiche per il suono e l immagine Esercitazioni Immagini Vincenzo Lombardo Aggiornato a.a. 2013/14
Tecnologie informatiche per il suono e l immagine Esercitazioni Immagini Vincenzo Lombardo Aggiornato a.a. 2013/14 Il programma di laboratorio propone argomenti in parallelo agli argomenti teorici del
DettagliLa visione spaziale (1): dalla visita oculistica al JPEG
La visione spaziale (1): dalla visita oculistica al JPEG Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it http://boccignone.di.unimi.it/pmp_2015.html
DettagliCorso di Informatica modulo Informatica di Base 6 CFU. Immagini digitali: concetti di base
DIPARTIMENTO DELL INNOVAZIONE INDUSTRIALE E DIGITALE Corso di Informatica modulo Informatica di Base 6 CFU Anno Accademico 6/7 Docente: ing. Salvatore Sorce Immagini digitali: concetti di base L informazione
DettagliCenno al trattamento delle immagini digitali. Cartografia numerica e GIS Domenico Sguerso
Cenno al trattamento delle immagini digitali Cartografia numerica e GIS Domenico Sguerso Digital Image Processing: Preprocessing (Memorizzazione) analysis Trattamento dell immagine: - ricampionamento necessario
DettagliOperatori locali su immagini digitali
Operatori locali su immagini digitali Definizione degli operatori locali Filtri di smoothing Filtri di sharpening Filtri derivativi Operatori locali Questi operatori sono usati per: miglioramento della
DettagliCampionamento. Campionamento: problema
Posizione del problema uniforme Ricostruzione Teorema del campionamento Significato della formula di ricostruzione Sistema di conversione A/D sample & hold quantizzazione Sistema di conversione D/A : problema
DettagliProcessamento di immagini
Processamento di immagini Applicazioni Immagini biomediche Modifica di immagini Confronto e registrazione... Formazione Ogge=o in - > Immagine out Processamento Immagine in - > Immagine out Analisi Immagine
Dettagli1. Microscopio in campo chiaro 2. Microscopio in campo oscuro 3. Microscopio in contrasto di fase 4. Microscopio ad interferenza 5.
Principali tipi di microscopi 1. Microscopio in campo chiaro 2. Microscopio in campo oscuro 3. Microscopio in contrasto di fase 4. Microscopio ad interferenza 5. Microscopio a contrasto di fase interferenziale
DettagliDiagnostica della combustione
Diagnostica della combustione Le tecniche di diagnostica della combustione possono riguardare: Processi (ad es. messa a punto dei processi di combustione); Controllo (ad es. gestione degli impianti); Emissioni
DettagliIntroduzione ai filtri digitali
ARSLAB - Autonomous and Robotic Systems Laboratory Dipartimento di Matematica e Informatica - Università di Catania, Italy santoro@dmi.unict.it Programmazione Sistemi Robotici Sistemi, misura e predizione
DettagliVideo Analysis (cenni) Annalisa Franco
1 Video Analysis (cenni) Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Visual motion Un video è una sequenza di frame catturati nel corso del tempo Il valori dell immagine sono
DettagliConversione dati. Come fornire i dati ad un computer ANALOGIA UOMO MACCHINA. Sequenze di bit DISPOSITIVI ATTUATORI DI OUTPUT ATTUATORI BIOLOGICI
Conversione dati Come fornire i dati ad un computer ANALOGIA UOMO MACCHINA Sequenze di bit DISPOSITIVI ATTUATORI DI OUTPUT Sequenze di impulsi ATTUATORI BIOLOGICI DISPOSITIVI DI INPUT RECETTORI SPECIFICI
DettagliIntroduzione. Il rumore spesso e causato da sorgenti esterne al sistema elettronico che stiamo studiando:
Introduzione Si definisce rumore, nel senso piu generale del termine, un qualsiasi disturbo che nasconde o interferisce con il segnale che stiamo misurando Il rumore spesso e causato da sorgenti esterne
DettagliLa visione. Visione biologica ed elaborazione delle immagini
La visione Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Elaborazione delle immagini anno accademico 2009 2010 Visione biologica ed elaborazione delle immagini La percezione
DettagliCampionamento e quantizzazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
DettagliRappresentazione digitale del suono
Rappresentazione digitale del suono Perché rappresentazione del suono Trasmettere a distanza nel tempo e nello spazio un suono Registrazione e riproduzione per tutti Elaborazione del segnale audio per
DettagliLaboratorio di Scienze Forensi Presso il Pin S.c.r.l. - Polo Universitario Città di Prato Università di Firenze
Laboratorio di Scienze Forensi Presso il Pin S.c.r.l. - Polo Universitario Città di Prato Università di Firenze CHI SIAMO Il FORLAB è nato nel 2010 nell Università di Firenze dall incontro di professionisti
DettagliUn immagine digitale. Dimensioni finite (X,Y) No profondità inerente Numero finito di pixel Rappresentazione numerica dell energia luminosa
Un immagine digitale Dimensioni finite (X,Y) No profondità inerente Numero finito di pixel Rappresentazione numerica dell energia luminosa Y X x y f(x,y) = intensità luminosa in (x,y) Tre livelli di image
DettagliCITOFLUORIMETRIA A FLUSSO
CITOFLUORIMETRIA A FLUSSO La citofluorimetria a flusso è una tecnica di misurazione multiparametrica di caratteristiche fisiche e/o chimiche condotta su cellule in sospensione all interno di un fluido
DettagliSistemi ottici come sistemi lineari
Sistemi ottici come sistemi lineari Corso di Principi e Modelli della Percezione! Prof. Giuseppe Boccignone! Dipartimento di Informatica Università di Milano! boccignone@di.unimi.it http://boccignone.di.unimi.it/pmp_2014.html
DettagliDISPOSITIVI ATTUATORI DI OUTPUT ATTUATORI
Conversione dati Come fornire i dati ad un computer ANALOGIA UOMO MACCHINA Sequenze di bit DISPOSITIVI ATTUATORI DI OUTPUT Sequenze di impulsi ATTUATORI BIOLOGICI DISPOSITIVI DI INPUT RECETTORI SPECIFICI
DettagliTrasformare e migliorare
Trasformare e migliorare Elaborazione di immagini Da f(x,y) a g(x,y) pixel trasformati secondo un determinato algoritmo f(x,y) g(x,y) Scopi dell elaborazione Eliminazione dei disturbi Esaltazione dei particolari
DettagliTIPI DI DATO NELLA CARTELLA CLINICA ELETTRONICA: BIOSEGNALI, BIOIMMAGINI E BIOFILMATI. Corso di Informatica Medica
Università degli Studi di Trieste Corso di Laurea Magistrale in INGEGNERIA CLINICA TIPI DI DATO NELLA CARTELLA CLINICA ELETTRONICA: BIOSEGNALI, BIOIMMAGINI E BIOFILMATI Corso di Informatica Medica Docente
DettagliComunicazioni Elettriche Esercizi
Comunicazioni Elettriche Esercizi Alberto Perotti 9 giugno 008 Esercizio 1 Un processo casuale Gaussiano caratterizzato dai parametri (µ = 0, σ = 0.5) ha spettro nullo al di fuori dellintervallo f [1.5kHz,
DettagliEsempio di autenticazione non convenzionale: la biometria
Esempio di autenticazione non convenzionale: la biometria Biometria Introduzione Vantaggi-svantaggi Riconoscimento dell iride Impronte digitali Conclusioni Introduzione (1) Misure di caratteristiche biologiche
DettagliAnno accademico Presentazione del Corso di Teoria dei Segnali Docente: G.Poggi
Anno accademico 2014-2015 Presentazione del Corso di Teoria dei Segnali Docente: G.Poggi Informazioni generali sul docente E-mail: poggi@unina.it Sito Web: https://www.docenti.unina.it/giovanni.poggi http://wpage.unina.it/verdoliv/tds/
DettagliRisonanza magnetica: Codifica spaziale del segnale.
Risonanza magnetica: Codifica spaziale del segnale Introduzione La tomografia a Risonanza magnetica si basa sulla rappresentazione in immagini digitali di alcune caratteristiche fisico-chimiche di tessuti
DettagliDigitalizzazione Parte 2
Digitalizzazione Parte 2 Prof. Filippo Milotta milotta@dmi.unict.it Quantizzazione - Definizione La trasformazione di un segnale a valori continui in un segnale a valori discreti, prende il nome di quantizzazione.
DettagliMicroscopio a bordo macchina VZM
Microscopio a bordo macchina VZM Sommario Microscopio a bordo macchina 2 Componenti e lenti speciali 4 Tubi 4 Unità d illuminazione 4 Matrice per video microscopio a bordo macchina CV-VZM 5 Lenti 5 Matrice
DettagliNumeri interi. Laboratorio di Calcolo Paola Gallo
Numeri interi Alfabeto binario anche il segno può essere rappresentato da 0 o 1 è indispensabile indicare il numero k di bit utilizzati Modulo Modulo e segno 1 bit di segno (0 positivo, 1 negativo) k 1
DettagliSpettroscopia ottica di sorgenti celesti ignote
Spettroscopia ottica di sorgenti celesti ignote Filippo Dalla, Angelo La Rocca, Luca Palmieri ABSTRACT La spettroscopia è la scienza che si occupa dello studio e della misura di uno spettro, i dati che
DettagliLSS ADC DAC. Piero Vicini A.A
LSS 2016-17 ADC DAC Piero Vicini A.A. 2016-2017 Conversione Digitale-Analogica La conversione digitale-analogica (DAC, Digital to Analog Conversion) permette di costruire una tensione V (o una corrente
DettagliCome si passa dalle immagini reali alle informazioni digitali. Il funzionamento di una fotocamera digitale
Come si passa dalle immagini reali alle informazioni digitali Il funzionamento di una fotocamera digitale Che cosa è il pixel In computer grafica, con il termine pixel (contrazione della locuzione inglese
DettagliCAPITOLO 5. Stima della frequenza dei segnali dovuta al 40 K
CAPITOLO 5 Stima della frequenza dei segnali dovuta al 40 K 5.1 Simulazione dei segnali registrabili con i fotomoltiplicatori. Nei capitoli precedenti, dopo aver illustrato brevemente la motivazione per
DettagliPresentazione laboratorio e nozioni base meccaniche e elettroniche dei droni WP3 ACQUISIZIONE ED ELABORAZIONE DATI
1 Presentazione laboratorio e nozioni base meccaniche e elettroniche dei droni WP3 ACQUISIZIONE ED ELABORAZIONE DATI Uso dei Droni nella ripresa video Elenco argomenti Concetti base sull'ottica, fotografia
DettagliSISTEMI INFORMATIVI GEOGRAFICI (GIS)
SISTEMI INFORMATIVI GEOGRAFICI (GIS) Prof. Dipartimento di Elettronica e Informazione Politecnico di Milano SISTEMA INFORMATIVO GEOGRAFICO E UN SISTEMA CHE USA SIA DATI SPAZIALI (CIOE BASATI SU RIFERIMENTI
DettagliIl microscopio elettronico a scansione
Il microscopio elettronico a scansione Nel SEM (ed in genere nella microscopia elettronica) viene sfruttata l interazione di un fascio di e - con il campione per ricavare informazioni sul campione stesso
DettagliISTITUTO COMPRENSIVO SAN VENANZO PROGRAMMAZIONE ANNUALE MATEMATICA CLASSE III SECONDARIA I GRADO LIVELLI DI COMPETENZE I QUADRIMESTRE
ISTITUTO COMPRENSIVO SAN VENANZO PROGRAMMAZIONE ANNUALE MATEMATICA CLASSE III SECONDARIA I GRADO MACRO INDICATORI Curricolo verticale I QUADRIMESTRE LIVELLI DI COMPETENZE I QUADRIMESTRE II QUADRIMESTRE
DettagliFiltraggio. Stefano Ferrari. Università degli Studi di Milano Tecniche di calcolo e sistemi operativi e informatica
Filtraggio Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Tecniche di calcolo e sistemi operativi e informatica anno accademico 2017 2018 Filtraggio Il termine filtraggio fa
DettagliBreve cenno della psicofisica
Breve cenno della psicofisica Il termine psicofisica, coniato dal fisico e filosofo tedesco Gustav Theodor Fechner (1801-1887) studio di metodi quantitativi per valutare le relazioni fra le variabili fisiche
DettagliRadiologia Digitale. Massimo Vignoli
Radiologia Digitale Massimo Vignoli FR - DR 2006 Radiologia digitale Radiologia digitale - storia sistemi nati all inizio degli anni 90 sviluppo tecnologico molto veloce diversi campi di applicazione
DettagliInformatica per la comunicazione" - lezione 5 -
Informatica per la comunicazione" - lezione 5 - 0 1 2 Come si sarà notato, nella tabella che permette la codifica dei colori, non tutte le sfumature sono presenti. Basta prendere due quadrati adiacenti
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni 1 - INTRODUZIONE Prof. Giovanni Schembra 1 Argomenti della lezione Definizioni: Sorgente di informazione Sistema di comunicazione Segnali trasmissivi determinati
DettagliL USO DEL MICROSCOPIO OTTICO
L USO DEL MICROSCOPIO OTTICO Visualizzazione dei microrganismi La visualizzazione dei microrganismi richiede l uso del microscopio ottico o del microscopio elettronico. Il microscopio ottico composto in
DettagliStereovisione. Marco Moltisanti. Image Processing Lab Dipartimento di Matematica e Informatica Università degli Studi di Catania
Stereovisione Marco Moltisanti Image Processing Lab Dipartimento di Matematica e Informatica Università degli Studi di Catania moltisanti@dmi.unict.it www.dmi.unict.it/~moltisanti 11 aprile 2013 Introduzione
DettagliCorso di Radioastronomia 1
Corso di Radioastronomia 1 Aniello (Daniele) Mennella Dipartimento di Fisica Quinta parte: interferometria Parte 5, Lezione 2 Interferometria a sintesi di apertura Il principio di ricostruzione dell immagine
DettagliRadiazione elettromagnetica
Spettroscopia Radiazione elettromagnetica: energia che si propaga in un mezzo fenomeno ondulatorio dovuto alla propagazione simultanea nello spazio di un campo elettrico (E) e di uno magnetico (M) perpendicolari
DettagliElaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. I suoni Rappresentazione digitale
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2008/2009 Docente: ing. Salvatore
DettagliInquinamento acustico
Programma Regionale I.N.F.E.A. Informazione Formazione ed Educazione Ambientale PROGETTO GEO Sensibilizzazione alla sostenibilità ambientale Inquinamento acustico Dott.ssa Barbara Bracci Controllo Agenti
DettagliModellizzazione di dati geografici
Paolo Zatelli Dipartimento di Ingegneria Civile e Ambientale Università di Trento 1/51 Dato geografico aspetto spaziale (geometria/topologia) coordinate+primitive geometriche (sist. di rif.+proiez.+scala
DettagliLez. 7 Immagini Digitali. Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1
Lez. 7 Immagini Digitali Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1 Dott. Pasquale De Michele Dott. Raffaele Farina Dipartimento di Matematica e Applicazioni Università di Napoli
Dettagli