Image Analysis Training in Banat and Crisana

Acest curs de formare live, condus de un instructor în Banat and Crisana (online sau la fața locului) se adresează cercetătorilor de nivel începător până la mediu și profesioniștilor de laborator care doresc să proceseze și să analizeze imagini legate de țesuturi histologice, celule sanguine, alge și alte probe biologice. La sfârșitul acestei formări, participanții vor fi capabili să:

• Să navigheze în interfața Fiji și să utilizeze funcțiile de bază ale ImageJ.
• Preprocesarea și îmbunătățirea imaginilor științifice pentru o mai bună analiză.
• Să analizeze imaginile cantitativ, inclusiv numărarea celulelor și măsurarea suprafeței.
• Automatizarea sarcinilor repetitive utilizând macro-uri și plugin-uri.
• Personalizați fluxurile de lucru pentru nevoile specifice de analiză a imaginilor în cercetarea biologică.

Fiji este un pachet open-source de procesare a imaginilor care include ImageJ (un program de procesare a imaginilor pentru imagini științifice multidimensionale) și o serie de plugin-uri pentru analiza imaginilor științifice. În cadrul acestui curs de formare live, condus de un instructor, participanții vor învăța cum să utilizeze distribuția Fiji și programul ImageJ care stă la baza acesteia pentru a crea o aplicație de analiză a imaginilor. Până la sfârșitul acestui curs, participanții vor fi capabili să:

• Să utilizeze caracteristicile avansate de programare și componentele software ale Fiji pentru a extinde ImageJ
• să coaseze imagini 3d mari din plăci suprapuse
• Să actualizeze automat o instalare Fiji la pornire utilizând sistemul de actualizare integrat
• Selectați dintr-o gamă largă de limbaje de scripting pentru a crea soluții personalizate de analiză a imaginilor
• Utilizarea bibliotecilor puternice Fiji, cum ar fi ImgLib pe seturi mari de date de bioimagini
• Să își implementeze aplicația și să colaboreze cu alți oameni de știință pe proiecte similare

Formatul cursului

• Prelegere și discuții interactive.
• O mulțime de exerciții și practică.
• Implementare practică într-un mediu live-lab.

Opțiuni de personalizare a cursului

• Pentru a solicita o instruire personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja.

Pattern Matching este o tehnică utilizată pentru a localiza modele specifice în cadrul unei imagini. Aceasta poate fi utilizată pentru a determina existența unor caracteristici specifice în cadrul unei imagini capturate, de exemplu eticheta așteptată pe un produs defect într-o linie de fabricație sau dimensiunile specificate ale unei componente. Este diferită de "Pattern Recognition" (care recunoaște modele generale bazate pe colecții mai mari de eșantioane înrudite) prin faptul că dictează în mod specific ceea ce căutăm, apoi ne spune dacă modelul așteptat există sau nu. Formatul cursului

• Acest curs prezintă abordările, tehnologiile și algoritmii utilizați în domeniul potrivirii modelelor, așa cum se aplică la Machine Vision.

Scilab este un limbaj de nivel înalt bine dezvoltat, gratuit și open-source pentru manipularea datelor științifice. Folosit pentru statistică, grafică și animație, simulare, prelucrarea semnalelor, fizică, optimizare și multe altele, structura sa centrală de date este matricea, simplificând multe tipuri de probleme în comparație cu alternative precum FORTRAN și derivatele C. Este compatibil cu limbaje precum C, Java și Python, ceea ce îl face potrivit pentru a fi utilizat ca o completare a sistemelor existente. În cadrul acestui curs condus de un instructor, participanții vor învăța avantajele Scilab în comparație cu alternative precum Matlab, elementele de bază ale sintaxei Scilab, precum și unele funcții avansate și interfața cu alte limbaje utilizate pe scară largă, în funcție de cerere. Cursul se va încheia cu un scurt proiect axat pe prelucrarea imaginilor. La sfârșitul acestui curs, participanții vor cunoaște funcțiile de bază și unele funcții avansate ale Scilab și vor avea resursele necesare pentru a-și continua extinderea cunoștințelor. Audiență

• Oameni de știință și ingineri în domeniul datelor, în special cu interes pentru procesarea imaginilor și recunoașterea facială

Formatul cursului

• Parte prelegere, parte discuție, exerciții și practică intensivă, cu un proiect final