JP6200506B2 - 試料の画像内の繊維および分枝構造の分析のための方法および装置 - Google Patents
試料の画像内の繊維および分枝構造の分析のための方法および装置 Download PDFInfo
- Publication number
- JP6200506B2 JP6200506B2 JP2015530000A JP2015530000A JP6200506B2 JP 6200506 B2 JP6200506 B2 JP 6200506B2 JP 2015530000 A JP2015530000 A JP 2015530000A JP 2015530000 A JP2015530000 A JP 2015530000A JP 6200506 B2 JP6200506 B2 JP 6200506B2
- Authority
- JP
- Japan
- Prior art keywords
- fiber
- fibers
- trace
- seed
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/693—Acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/162—Segmentation; Edge detection involving graph-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本願は、2012年8月28日に出願された米国特許出願第61/693,901号の利益を主張し、その内容は、その全体が参照によって本明細書に援用される。
本発明は、画像分析技術に関し、より具体的には、繊維および分岐した管状構造を含む画像の分析に関する。
繊維構造は、物質科学画像、生物学および生物医学画像において一般的であり、そのような構造は、種々の工学的繊維、気管支樹、ならびに細胞骨格およびニューロンネットワークを含む。得られた画像の大容量のデータは、これらの構造の接続性および機能性を分析するために使用される。確実な解釈および分析は、正確な定量的測定を要求する。
繊維含有生物学試料の繊維分析および再構成のためのコンピュータ実装方法およびシステムが、提供される。適応閾値法が、初期トレースシードを取得するために使用される。局所主成分分析(PCA)計算が、初期計算から低スコアを伴うシードデータを除去することによって、トレースシード候補の識別のために利用され、続いて、単一繊維区分トレースが行われる。
本発明は、例えば、以下を提供する。
(項目1)
物体の繊維および分岐構造を分析するコンピュータ実装方法であって、前記コンピュータ実装方法は、
撮像デバイスを利用して、物体の画像を取得することであって、前記物体は、繊維および/または分岐構造を含む、ことと、
適応閾値処理法を使用して、初期トレースシードを取得することと、
局所主成分分析(PCA)計算を採用することによって、トレースシード候補を識別することと、
低スコアを有する前記シードを前記初期計算から除去することと、
繊維検出モジュールおよび繊維トレースモジュールを利用して、単一繊維区分をトレースすることと、
接続性モジュールを利用して、個々の繊維区分を組み立てることと、
最終繊維構造を形成および分析することと
を含む、コンピュータ実装方法。
(項目2)
トレースシード候補を識別することは、周囲区域内の繊維の区別可能な特性に最も一致しかつ最高信号対ノイズを有するシードを選択することをさらに含む、項目1に記載のコンピュータ実装方法。
(項目3)
前記繊維の区別可能な特性は、形状、強度、または色を含む、項目2に記載のコンピュータ実装方法。
(項目4)
前記単一繊維区分のトレースは、
所与の場所において、局所繊維画像と一致する最良矩形を計算することと、前記シードを矩形軸方向に沿って移動させることによって前記矩形を成長させることと、次のPCA適合計算を行うこととを含む、項目2に記載のコンピュータ実装方法。
(項目5)
選択されたシード候補毎に、信号繊維区分のトレースを繰り返すことをさらに含む、項目4に記載のコンピュータ実装方法。
(項目6)
交差マッチング計算を行うことによって、繊維区分接続を提供することをさらに含む、項目5に記載のコンピュータ実装方法。
(項目7)
前記個々の繊維区分は、その近接性、類似性、および接続性のルールに基づいて、ともに接続される、項目6に記載のコンピュータ実装方法。
(項目8)
前記個々の繊維区分は、本体および一対の繊維端部を含む、項目4に記載のコンピュータ実装方法。
(項目9)
繊維交差は、4つの本体および5つの端部を含む、項目6に記載のコンピュータ実装方法。
(項目10)
前記繊維分岐構造は、2つの本体および3つの端部を含む、項目6に記載のコンピュータ実装方法。
(項目11)
前記繊維を組み立てることは、
グラフの任意の未検討島状部を選択することと、
未検討島状部を抽出し、最大マッチングの島状部とマッチングさせることと、
前記手順を繰り返すことによって、全ての着目島状部を検討することと、
前記繊維の交差を更新し、前記グラフの最小全域木を規定することと
によって、繊維グラフを構築することを含む、項目6に記載のコンピュータ実装方法。
(項目12)
視野内に細胞核を含む第2の画像を取得して利用することにより、細胞体の識別を補助することをさらに含む、項目1に記載のコンピュータ実装方法。
(項目13)
個々の神経突起区画および親ニューロンとの近接性または接続性を通して棘突起を神経突起に関連させることによって、同一または二次画像を使用して、神経棘を識別することをさらに含む、項目1に記載のコンピュータ実装方法。
(項目14)
繊維および樹状構造またはネットワーク状構造の分析のためのシステムであって、前記システムは、
生物学試料から繊維および/または分岐構造を伴う画像を生成および収集する撮像ユニットと、
前記撮像ユニットによって提供される画像データにアクセスするように動作可能な処理ユニットと、
適応閾値処理を行うことによって、初期トレースシードを取得するように動作可能なシード初期化モジュールと、
局所主成分分析(PCA)計算を採用し、単一繊維区分をトレースすることによって、トレースシード候補を識別するように動作可能な繊維検出モジュールおよびトレースモジュールと、
前記繊維検出モジュールおよびトレースモジュールの出力を利用し、前記収集された画像を拒否するまたはその画質を高めるように動作可能な画像前処理モジュールと、
繊維組立または再構成の命令を証明するように動作可能な接続性モジュールと
を備える、システム。
(項目15)
前記撮像ユニットは、ニューロンの繊維および/または分岐構造を伴う画像を収集し、前記繊維検出モジュールおよび前記トレースモジュールは、視野内に細胞核を含む第2の画像を利用して細胞体の識別を補助するように動作可能である、項目14に記載の繊維および樹状構造またはネットワーク状構造の分析のためのシステム。
(項目16)
前記撮像ユニットは、ニューロンの繊維および/または分岐構造を伴う画像を収集し、前記繊維検出モジュールおよび前記トレースモジュールは、個々の神経突起区画および親ニューロンとの近接性または接続性を通して棘突起を神経突起に関連させることによって、同一または二次画像を使用して、神経棘を識別するように動作可能である、項目14に記載の繊維および樹状構造またはネットワーク状構造の分析のためのシステム。
説明されるシステムおよび方法は、デジタル画像(顕微鏡画像ならびに磁気共鳴画像(MRI)のような医療画像)から繊維構造をトレースして再構成するために使用されてもよい。
Claims (10)
- 物体の繊維および分岐構造を分析するコンピュータ実装方法であって、前記コンピュータ実装方法は、
撮像デバイス(108、109)を利用して、物体の画像を取得することであって、前記物体は、繊維(1、2)および/または分岐構造(5)を含む、ことと、
適応閾値処理法を前記画像に適用して、初期トレースシードを取得することと、
局所主成分分析(PCA)計算を採用することによって、トレースシード候補を識別することであって、トレースシード候補を識別することは、周囲区域内の繊維の区別可能な特性に最も一致しかつ最高信号対ノイズを有するシードを選択することを含み、前記繊維の区別可能な特性は、形状、強度、または色を含む、ことと、
低スコアを有する前記シードを初期計算から除去することと、
繊維検出モジュールおよび繊維トレースモジュール(106)を利用して、単一繊維区分をトレースすることであって、前記単一繊維区分をトレースすることを行うことは、
PCA適合計算を行うことによって、所与の場所において、局所繊維画像に一致する最良矩形を計算することと、
前記シードを矩形軸方向に沿って移動させることによって前記矩形を成長させることと、
次のPCA適合計算を行うことと
を含む、ことと、
選択されたシード候補毎に、前記単一繊維区分のトレースを繰り返すことと、
接続性モジュール(107)を利用して、個々の繊維区分を組み立てることであって、交差マッチング計算を行うことによって、繊維区分接続を提供し、前記個々の繊維区分は、その近接性、類似性、および接続性のルールに基づいて、ともに接続される、ことと、
最終繊維構造を形成および分析することと
を含む、コンピュータ実装方法。 - 繊維交差は、4つの本体および5つの端部を含み、かつ/または
前記繊維分岐構造(5)は、2つの本体および3つの端部を含む、請求項1に記載のコンピュータ実装方法。 - 前記個々の繊維区分は、本体および一対の繊維端部を含む、請求項1または2に記載のコンピュータ実装方法。
- 前記繊維を組み立てることは、
繊維グラフを構築することであって、繊維区分は、前記繊維グラフ内で接続され、前記繊維グラフを構築することは、前記グラフの任意の未検討島状部を選択することによって行われ、前記島状部は、前記繊維区分の端部間接続から成るグラフを指している、ことと、
未検討島状部を抽出し、最大マッチングの島状部とマッチングさせることと、
前記手順を繰り返すことによって、全ての着目島状部を検討することと、
前記繊維の交差を更新し、前記グラフの最小全域木を規定することと
を含む、請求項1〜3のいずれか一項に記載のコンピュータ実装方法。 - 前記繊維を組み立てることは、
前記繊維グラフ内で前記繊維区分を接続することであって、前記繊維グラフにおいて、各縁の重みは、前記接続された繊維区分の角度および距離の関数によって特徴付けられ、列挙マッチングアルゴリズムが、マッチングの重みの最大和を含む最大マッチングを見つけるために適用される、こと
をさらに含む、請求項4に記載のコンピュータ実装方法。 - 視野内に細胞核を含む第2の画像を取得して利用することにより、細胞体の識別を補助することをさらに含む、請求項1〜5のいずれか一項に記載のコンピュータ実装方法。
- 個々の神経突起区画および親ニューロン(3、4)との近接性または接続性を通して棘突起を神経突起に関連させることによって、同一または二次画像を使用して、神経棘を識別することをさらに含む、請求項1〜6のいずれか一項に記載のコンピュータ実装方法。
- 請求項1〜7のいずれか一項による繊維および樹状構造またはネットワーク状構造の分析のためのシステム(100〜109)であって、前記システムは、
生物学試料から繊維(1、2)および/または分岐構造(5)を伴う画像を生成および収集するように動作可能な撮像ユニット(108、109)と、
前記撮像ユニット(108、109)によって提供される画像データにアクセスするように動作可能な処理ユニット(103)と、
適応閾値処理を前記画像に適用することによって、初期トレースシードを取得するように動作可能なシード初期化モジュール(104)と、
局所主成分分析(PCA)計算を採用することによってトレースシード候補を識別することと、初期計算から得られた低スコアを伴うシードを除去することと、単一繊維区分をトレースすることとを行うように動作可能な繊維検出モジュールおよびトレースモジュール(106)であって、トレースシード候補を識別することは、周囲区域内の繊維の区別可能な特性に最も一致しかつ最高信号対ノイズを有するシードを選択することを含み、前記繊維の区別可能な特性は、形状、強度、または色を含み、前記単一繊維区分をトレースすることを行うことは、
PCA適合計算を行うことによって、所与の場所において、局所繊維画像に一致する最良矩形を計算することと、
前記シードを矩形軸方向に沿って移動させることによって前記矩形を成長させることと、
次のPCA適合計算を行うことと、
選択されたシード候補毎に、前記単一繊維区分のトレースを繰り返すことと
を含む、繊維検出モジュールおよびトレースモジュール(106)と、
前記繊維検出モジュールおよびトレースモジュール(106)の出力を利用し、前記収集された画像を拒否するまたはその画質を高めるように動作可能な画像前処理モジュール(105)と、
繊維組立または再構成の命令を証明することと、交差マッチング計算を行うことによって繊維区分接続を提供することとを行うように動作可能な接続性モジュール(107)であって、個々の繊維区分は、その近接性、類似性、および接続性のルールに基づいて、ともに接続される、接続性モジュール(107)と
を備える、システム。 - 前記撮像ユニット(108、109)は、ニューロン(3、4)の繊維(1、2)および/または分岐構造(5)を伴う画像を収集するように適応させられ、
前記繊維検出モジュールおよび前記トレースモジュール(106)は、視野内に細胞核を含む第2の画像を利用して細胞体の識別を補助するように動作可能である、請求項8に記載の繊維および樹状構造またはネットワーク状構造の分析のためのシステム。 - 前記撮像ユニット(108、109)は、ニューロン(3、4)の繊維(1、2)および/または分岐構造(5)を伴う画像を収集するように適応させられ、
前記繊維検出モジュールおよび前記トレースモジュール(106)は、個々の神経突起区画および親ニューロンとの近接性または接続性を通して棘突起を神経突起に関連させることによって、二次画像を使用して、神経棘を識別するように動作可能である、請求項8に記載の繊維および樹状構造またはネットワーク状構造の分析のためのシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261693901P | 2012-08-28 | 2012-08-28 | |
US61/693,901 | 2012-08-28 | ||
PCT/US2013/057106 WO2014036153A1 (en) | 2012-08-28 | 2013-08-28 | Methods and systems for analysis of fibers and branching structures within an image of a sample |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017162279A Division JP2018022502A (ja) | 2012-08-28 | 2017-08-25 | 試料の画像内の繊維および分枝構造の分析のための方法および装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2015534158A JP2015534158A (ja) | 2015-11-26 |
JP2015534158A5 JP2015534158A5 (ja) | 2016-10-13 |
JP6200506B2 true JP6200506B2 (ja) | 2017-09-20 |
Family
ID=50184310
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015530000A Active JP6200506B2 (ja) | 2012-08-28 | 2013-08-28 | 試料の画像内の繊維および分枝構造の分析のための方法および装置 |
JP2017162279A Withdrawn JP2018022502A (ja) | 2012-08-28 | 2017-08-25 | 試料の画像内の繊維および分枝構造の分析のための方法および装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017162279A Withdrawn JP2018022502A (ja) | 2012-08-28 | 2017-08-25 | 試料の画像内の繊維および分枝構造の分析のための方法および装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9646194B2 (ja) |
EP (1) | EP2891134B1 (ja) |
JP (2) | JP6200506B2 (ja) |
CN (1) | CN104813364A (ja) |
WO (1) | WO2014036153A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6200506B2 (ja) * | 2012-08-28 | 2017-09-20 | モレキュラー デバイシーズ, エルエルシー | 試料の画像内の繊維および分枝構造の分析のための方法および装置 |
JP6282942B2 (ja) * | 2014-06-18 | 2018-02-21 | キヤノンメディカルシステムズ株式会社 | 超音波診断装置、画像処理装置及び画像処理プログラム |
CN106373116B (zh) * | 2016-08-24 | 2019-04-12 | 中国科学院自动化研究所 | 基于双光子图像的突触检测方法 |
CN108510498B (zh) * | 2018-04-12 | 2021-11-12 | 北京和众视野科技有限公司 | 纤维测量非冻结换视场自动判定方法 |
ES2929613A1 (es) * | 2021-05-31 | 2022-11-30 | Univ Madrid Autonoma | Sistema, metodo implementado en ordenador para analizar cuantitativamente una muestra biologica volumetrica |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7282723B2 (en) * | 2002-07-09 | 2007-10-16 | Medispectra, Inc. | Methods and apparatus for processing spectral data for use in tissue characterization |
US7136518B2 (en) * | 2003-04-18 | 2006-11-14 | Medispectra, Inc. | Methods and apparatus for displaying diagnostic data |
WO2007036859A2 (en) | 2005-09-29 | 2007-04-05 | Koninklijke Philips Electronics N.V. | A method, a system and a computer program for resolving fiber crossings |
US7480400B2 (en) * | 2006-03-16 | 2009-01-20 | Siemens Medical Solutions Usa, Inc. | Detection of fiber pathways |
JP5654237B2 (ja) * | 2006-12-11 | 2015-01-14 | コーニンクレッカ フィリップス エヌ ヴェ | 巨視的情報に基づくファイバ追跡 |
ES2428571T3 (es) * | 2007-05-31 | 2013-11-08 | Monsanto Technology, Llc | Clasificador de semillas |
CN102165320A (zh) | 2008-08-22 | 2011-08-24 | 先锋国际良种公司 | 用于去除特定的种子组织或结构进行种子分析的方法 |
US8355900B2 (en) | 2008-10-03 | 2013-01-15 | Honda Motor Co. Ltd. | Method and apparatus for analyzing panicle structure |
US8515171B2 (en) * | 2009-01-09 | 2013-08-20 | Rochester Institute Of Technology | Methods for adaptive and progressive gradient-based multi-resolution color image segmentation and systems thereof |
US8478389B1 (en) * | 2010-04-23 | 2013-07-02 | VivaQuant, LLC | System for processing physiological data |
JP5597429B2 (ja) * | 2010-03-31 | 2014-10-01 | 富士フイルム株式会社 | 医用画像処理装置および方法、並びにプログラム |
JP6200506B2 (ja) * | 2012-08-28 | 2017-09-20 | モレキュラー デバイシーズ, エルエルシー | 試料の画像内の繊維および分枝構造の分析のための方法および装置 |
US10860683B2 (en) * | 2012-10-25 | 2020-12-08 | The Research Foundation For The State University Of New York | Pattern change discovery between high dimensional data sets |
-
2013
- 2013-08-28 JP JP2015530000A patent/JP6200506B2/ja active Active
- 2013-08-28 WO PCT/US2013/057106 patent/WO2014036153A1/en active Application Filing
- 2013-08-28 US US14/423,285 patent/US9646194B2/en active Active
- 2013-08-28 CN CN201380056110.3A patent/CN104813364A/zh active Pending
- 2013-08-28 EP EP13833267.1A patent/EP2891134B1/en active Active
-
2017
- 2017-08-25 JP JP2017162279A patent/JP2018022502A/ja not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
CN104813364A (zh) | 2015-07-29 |
US20150213301A1 (en) | 2015-07-30 |
WO2014036153A1 (en) | 2014-03-06 |
JP2015534158A (ja) | 2015-11-26 |
US9646194B2 (en) | 2017-05-09 |
EP2891134A1 (en) | 2015-07-08 |
EP2891134A4 (en) | 2016-05-04 |
JP2018022502A (ja) | 2018-02-08 |
EP2891134B1 (en) | 2018-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2018022502A (ja) | 試料の画像内の繊維および分枝構造の分析のための方法および装置 | |
Rodriguez et al. | Rayburst sampling, an algorithm for automated three-dimensional shape analysis from laser scanning microscopy images | |
Yang et al. | FMST: an automatic neuron tracing method based on fast marching and minimum spanning tree | |
Lu | Neuronal tracing for connectomic studies | |
Li et al. | SparseTracer: the reconstruction of discontinuous neuronal morphology in noisy images | |
CN112614126A (zh) | 基于机器学习的磁共振图像脑区划分方法、系统和装置 | |
CN112649403A (zh) | 细胞图像解析方法及细胞解析装置 | |
JP2015534158A5 (ja) | ||
CN113436185A (zh) | 肝脏静脉血管三维结构特征定量分析方法、装置、计算机设备和存储介质 | |
US20090070089A1 (en) | Method of Analyzing Cell or the Like Having Linear Shape, Method of Analyzing Nerve Cell and Apparatus and Program for Performing These Methods | |
Skibbe et al. | PAT—Probabilistic axon tracking for densely labeled neurons in large 3-D micrographs | |
Li et al. | Brain-wide shape reconstruction of a traced neuron using the convex image segmentation method | |
Luengo-Oroz et al. | $3 D+ t $ morphological processing: applications to embryogenesis image analysis | |
Freitas-Andrade et al. | Unbiased analysis of mouse brain endothelial networks from two-or three-dimensional fluorescence images | |
Ledderose et al. | A software tool for the analysis of neuronal morphology data | |
CN114429468A (zh) | 骨龄测量方法、系统与电子设备及计算机可读存储介质 | |
Chowdhury et al. | Blood vessel characterization using virtual 3d models and convolutional neural networks in fluorescence microscopy | |
Štajduhar et al. | 3d localization of neurons in bright-field histological images | |
Basu et al. | Retracted: Localizing and extracting filament distributions from microscopy images | |
Dercksen et al. | Interactive Visualization–A Key Prerequisite for Reconstruction and Analysis of Anatomically Realistic Neural Networks | |
Xu et al. | Unsupervised profiling of microglial arbor morphologies and distribution using a nonparametric Bayesian approach | |
Shen et al. | Efficient 3D junction detection in biomedical images based on a circular sampling model and reverse mapping | |
Zandt et al. | Semi-automatic 3D morphological reconstruction of neurons with densely branching morphology: Application to retinal AII amacrine cells imaged with multi-photon excitation microscopy | |
CN112514001A (zh) | 评价组织样本纤维化的方法和系统 | |
Zehtabian et al. | Automated analysis of neuronal morphology through an unsupervised classification model of neurites |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160825 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160825 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170720 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170727 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170825 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6200506 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |