Image Analysis Školení v České republice

Toto školitelovo prováděné živé školení v České republice (online nebo na místě) je zaměřeno na začínající až středně pokročilé výzkumníky a laboratorní pracovníky, kteří chtějí zpracovávat a analyzovat obrazy související s histologickými tkáními, krvekапу, řasami a jinými biologickými vzorky.

Na konci tohoto školení budou účastníci schopni:

• Pohybovat se v rozhraní Fiji a využívat základní funkce ImageJ.
• Předzpracovat a vylepšit vědecké obrazy pro lepší analýzu.
• Analyzovat obrazy kvantitativně, včetně počítání buněk a měření ploch.
• Automatizovat opakující se úkoly pomocí makroů a doplňků.
• Přizpůsobit pracovní postupy pro specifické potřeby analýzy obrazů v biologickém výzkumu.

Fiji je výkonný open-source balíček pro zpracování obrazu, který obsahuje ImageJ (program určený pro vědecké vícedimenzionální obrazy) spolu s komplexní sadou pluginů pro vědeckou analýzu obrazu.

Při tomto tréninku vedeném instruktaží si účastníci osvojí, jak využít distribuci Fiji a její základní program ImageJ k vytvoření robustních aplikací pro analýzu obrazu.

Na konci tohoto školení budou účastníci schopni:

• Používat pokročilé programovací funkce a softwarové komponenty Fiji k rozšíření možností ImageJ
• Sestavovat velké 3D obrazy z překrývajících se dlaždic
• Automatizovat aktualizaci instalace Fiji při spuštění pomocí integrovaného systému aktualizací
• Vybrat si z široké škály skriptovacích jazyků pro vývoj vlastních řešení analýzy obrazu
• Využívat výkonné knihovny Fiji, jako je ImgLib, k efektivnímu zpracování velkých souborů bioobrazů
• Nasazovat aplikace a efektivně spolupracovat s ostatními vědci na podobných projektech

Formát kurzu

• Interaktivní přednáška a diskuze
• Obfrostné cvičení a praktické aplikace
• Praktické nasazení v prostředí živého laboratorního tréninku

Možnosti přizpůsobení kurzu

• Požadujete-li přizpůsobenou školení pro tento kurz, kontaktujte nás prosím pro dohodnutí.

Pattern Matching je technika používaná k nalezení specifikovaných vzorů v obraze. Může být použit k určení existence specifikovaných charakteristik v pořízeném snímku, například očekávaný štítek na vadném produktu v tovární lince nebo specifikované rozměry součásti. Liší se od „Pattern Recognition“ (který rozpoznává obecné vzory založené na větších kolekcích příbuzných vzorků) v tom, že konkrétně určuje, co hledáme, a pak nám říká, zda očekávaný vzor existuje nebo ne.

Formát kurzu

• Tento kurz seznamuje s přístupy, technologiemi a algoritmy používanými v oblasti porovnávání vzorů, jak se vztahuje na Machine Vision.