DE842486T1 - Messung der robustheit einer klassifikation - Google Patents

Messung der robustheit einer klassifikation

Info

Publication number
DE842486T1
DE842486T1 DE0842486T DE96929699T DE842486T1 DE 842486 T1 DE842486 T1 DE 842486T1 DE 0842486 T DE0842486 T DE 0842486T DE 96929699 T DE96929699 T DE 96929699T DE 842486 T1 DE842486 T1 DE 842486T1
Authority
DE
Germany
Prior art keywords
classification
measure
output
image
calculating
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.)
Pending
Application number
DE0842486T
Other languages
English (en)
Inventor
Chih-Chau Kuan
Shih-Jong Lee
Michael Meyer
Paul Wilhelm
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Neopath Inc
Original Assignee
Neopath Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Neopath Inc filed Critical Neopath Inc
Publication of DE842486T1 publication Critical patent/DE842486T1/de
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)

Claims (73)

DE/EP O 84248ST1 . &igr;- Anmeldung-Nr.: 96 929 699.5 Anmelder: ' Neopath Inc. 8271 154th Avenue US-N.E. Redmond, WA 98052 PATENTANSPRÜCHE :
1. Verfahren zum Messen der Zuverlässigkeit von Informationen in einem Bildinterpretationssystem mit den Schritten:
(a) Aufnehmen mindestens eines Bildes (22);
(b) Aufnehmen der Bildinformation des mindestens einen Bildes durch Interpretieren des mindestens einen Bildes (24);
(c) Extrahieren mindestens eines Zuverlässigkeitsmerkmals (26); und
(d) Bewerten des mindestens einen Zuverlässigkeitsmerkmals gegenüber mindestens einem vorher festgelegten Kriteriums zum Erlangen mindestens einer Maßzahl der Zuverlässigkeit der Information (28).
2. Verfahren nach Anspruch 1 mit dem zusätzlichen Schritt des Verbesserns der Zuverlässigkeit der Information der Bildinformation durch Wechsel der Interpretation des mindestens einen Bildes in Abhängigkeit von der mindestens einen Maßzahl der Zuverlässigkeit der Information (28).
3. Vorrichtung zum Messen der Zuverlässigkeit von Informationen in einem Bildinterpretationssystem mit:
(a) einem Mittel zum Aufnehmen mindestens eines Bildes mit mindestens einem Bildausgang (502);
(b) einem Mittel zum Aufnehmen von Bildinformationen des mindestens einen Bildes (536), das mit dem Bildausgang verbunden ist, wobei das mindestens eine Bild interpretiert wird, wobei das Mittel zum Aufnehmen von Bildinformationen (536) einen Bildinformationsausgang besitzt;
(c) einem Mittel zum Extrahieren mindestens eines Zuverlässig-
DE/EP O 842 48b T1
keitsmerkmals (562), das mit dem Bildinformationsausgang verbunden ist und wobei das Mittel zum Extrahieren zusätzlich einen Zuverlässigkeitsmerkmalausgang besitzt; und
(d) einem Mittel zum Bewerten des mindestens einen Zuverlässigkeitsmerkmals zum Erlangen mindestens einer Maßzahl (562) der Zuverlässigkeit der Information, das mit dem Zuverlässigkeitsmerkmalausgang verbunden ist und wobei das Mittel zum Bewerten einen Ausgang für die Maßzahl der Zuverlässigkeit der Information besitzt.
4. Vorrichtung nach Anspruch 3 zusätzlich mit einem Mittel zum Verbessern der Zuverlässigkeit der Information der Bildinformation durch Wechsel der Interpretation des mindestens einen Bildes in Abhängigkeit von der mindestens einen Maßzahl der Zuverlässigkeit der Information, das mit dem Ausgang für die Maßzahl der Zuverlässigkeit der Information und dem Bildinformationsausgang verbunden ist, wobei das Mittel zum Verbessern (562) der Zuverlässigkeit einen verbesserten Bildinformationsausgang besitzt.
5. Verfahren zum Messen der Segmentierungsrobustheit von Objekten mit den Schritten:
(a) Identifizieren mindestens eines Objektes (22, 23);
(b) Berechnen mindestens eines Segmentierungsrobustheitsmerkmals des mindestens einen Objekts (34); und
(c) Berechnen einer Maßzahl (38) der Segmentierungsrobustheit in Abhängigkeit des mindestens einen Segmentierungsrobustheitsmerkmals.
6. Verfahren nach Anspruch 5 zusätzlich mit dem Schritt des Klassifizierens des mindestens einen Objekts zum Bereitstellen mindestens eines Objektklassifizierungsergebnisses (40).
7. Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß der Schritt des Identifizierens mindestens eines Objektes zusätzlich die Schritte aufweist:
(a) Beleuchten eines Blickfeldes mit mindestens einem Objekt;
DE/EP O 842 48b Tl
(b) Aufnehmen mindestens eines Bildes des Blickfeldes (22); und
(c) Identifizieren des mindestens einen Objektes in dem mindestens einen Bild (32).
8. Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß der Schritt des Berechnens des mindestens einen Segmentierungsrobustheitsmerkmals (34) zusätzlich den Schritt des Berechnens mindestens einer Maßzahl der Segmentierungsinstabilitätswahrscheinlichkeit aufweist.
9. Verfahren nach Anspruch 8 mit dem zusätzlichen Schritt des Berechnens der mindestens einen Maßzahl (34) der Segmentierungsinstabilitätswahrscheinlichkeit als Segmentierungsinstabilitätswahrscheinlichkeit aufgrund von Rauschen in mindestens einem Bild.
10. Verfahren nach Anspruch 8 mit dem zusätzlichen Schritt des Berechnens der Maßzahl (34) der Segmentierungsinstäbilität als Segmentierungsinstabilitätswahrscheinlichkeit aufgrund des ObjektZusammenhangs.
11. Verfahren nach Anspruch 8 mit den zusätzlichen Schritten:
(a) Beleuchten eines Blickfeldes mit mindestens einem Objekt;
(b) Aufnehmen mindestens eines Bildes des Blickfeldes, wobei das mindestens eine Bild einen Hintergrund aufweist (22); und
(c) Identifizieren des mindestens einen Objektes in dem mindestens einem Bild (32).
12. Verfahren nach Anspruch 8 mit dem zusätzlichen Schritt des Berechnens der mindestens einen Maßzahl (34) der Segmentierungsinstabilitätswahrscheinlichkeit als Segmentierungsinstabilitätswahrscheinlichkeit aufgrund von unzureichendem Kontrast zwischen dem mindestens einen Objekt und dem Hintergrund.
13. Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß das mindestens eine Objekt (Figuren 1A-1D) zusätzlich eine biologische Zelle aufweist.
ü c
14. Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß das mindestens eine Objekt (Figuren 1A-1D) zusätzlich einen biologischen Zellkern aufweist.
15. Verfahren nach Anspruch 6 mit dem zusätzlichen Schritt des Kombinierens der Maßzahl der Objektsegmentierungsrobustheit mit dem mindestens einen Objektklassifizierungsergebnis (48).
16. Verfahren nach Anspruch 15 mit dem zusätzlichen Schritt des Vergrößerns der Zuverlässigkeit der Gesamtklassifikation (48).
17. Verfahren nach Anspruch 15, dadurch gekennzeichnet, daß der Schritt des Kombinierens zusätzlich ein Gewichten des mindestens einen Objektklassifizierungsergebnisses aufweist, das eine höhere Maßzahl der Segmentierungsrobustheit mit einer größeren Gewichtung besitzt (44).
18.Verfahren nach Anspruch 15, dadurch gekennzeichnet, daß der Schritt des Kombinierens zusätzlich ein Gewichten des mindestens einen Objektklassifizierungsergebnisses mit einer Gewichtung, deren Wert durch die Maßzahl der Segmentierungsrobustheit festgelegt wird, aufweist.
19. Verfahren nach Anspruch 15, dadurch gekennzeichnet, daß der Schritt des Kombinierens zusätzlich die Schritte aufweist:
(a) Kompilieren eines Histogramms mindestens einer Maßzahl (108) der Segmentierungsrobustheit zur Generierung von Histogrammdaten (114);
(b) Berechnen mindestens eines Klassifizierungszuverlässigkeitsmerkmals in Abhängigkeit der Histogrammdaten (112); und
(c) Berechnen eines verstärkten Objektklassifizierungsergebnisses in Abhängigkeit des mindestens einen Klassifizierungszuverlässigkeitsmerkmals und mindestens eines Objektklassifizierungsergebnisses unter Verwendung mindestens eines vorher festgelegten Kriteriums (28).
20. Verfahren nach Anspruch 5, dadurch gekennzeichnet, daß das
mindestens eine Objekt (Figuren 1A-1D) zusätzlich eine biologische Zelle in einer biologischen Probe aufweist.
21. Verfahren nach Anspruch 20, dadurch gekennzeichnet, daß der mindestens eine Zellkern in einer biologischen Probe enthalten ist (Figuren 1A-1D).
22. Vorrichtung zum Messen der Segmentierungsrobustheit eines Objekts mit:
(a) einem Mittel zum Identifizieren mindestens eines Objekts mit mindestens einem Objektausgang (536);
(b) einem Mittel zum Berechnen mindestens eines Segmentierungsrobustheitsmerkmals des mindestens einen Objekts, das mit dem mindestens einen Objektausgang verbunden ist, wobei das Mittel zum Berechnen mindestens eines Segmentierungsrobustheitsmerkmals mindestens einen Segmentierungsrobustheitsmerkmalsausgang besitzt (562); und
(c) einem Mittel zum Berechnen einer Maßzahl der Objektsegmentierungsrobustheit in Abhängigkeit des mindestens einen Segmentierungsrobustheitsmerkmals, das mit dem mindestens einen Segmentierungsrobustheitsmerkmalsausgang verbunden ist (562).
23. Vorrichtung nach Anspruch 22 zusätzlich mit einem Mittel zum Klassifizieren des mindestens einen Objekts zur Bereitstellung mindestens eines Objektklassifizierungsergebnisses (562).
24. Vorrichtung nach Anspruch 22, dadurch gekennzeichnet, daß das Mittel zum Identifizieren des mindestens einen Objekts zusätzlich aufweist:
(a) ein Mittel zum Beleuchten eines Blickfeldes mit mindestens einem Objekt (508);
(b) ein Mittel zum Aufnehmen mindestens eines Bildes des Blickfeldes, wobei das Mittel zum Aufnehmen mindestens einen Bildausgang besitzt (512); und
(c) ein Mittel zum Identifizieren des mindestens einen Objektes in dem mindestens eine Bild (536), das mit dem mindestens einen Bildausgang verbunden ist.
25. Vorrichtung nach Anspruch 22, dadurch gekennzeichnet, daß das Mittel zum Berechnen mindestens eines Segmentierungsrobustheitsmerkmals zusätzlich ein Mittel zum Berechnen mindestens einer Wahrscheinlichkeit einer Maßzahl der Segmentierungsinstabilität (562).
26. Vorrichtung nach Anspruch 22, dadurch gekennzeichnet, daß das Mittel zum Berechnen des mindestens einen Segmentierungsrobustheitsmerkmals (562) mindestens eine Wahrscheinlichkeit der Segmentierungsinstabilität aufgrund von Rauschen in dem mindestens einen Bild mißt.
27. Vorrichtung nach Anspruch 22, dadurch gekennzeichnet, daß das Mittel zum Berechnen mindestens eines Segmentierungsrobustheitsmerkmals (562) mindestens eine Wahrscheinlichkeit der Segmentierungsinstabilität aufgrund des Objektzusammenhangs mißt.
28. Vorrichtung nach Anspruch 22, dadurch gekennzeichnet, daß das Mittel zum Berechnen des mindestens einen Segmentierungsrobustheitsmerkmals zusätzlich aufweist:
(a) ein Mittel zum Beleuchten eines Blickfelds mit mindestens einem Objekt (508);
(b) ein Mittel zum Aufnehmen mindestens eines Bildes des Blickfeldes, wobei das mindestens eine Bild einen Hintergrund (512) aufweist, und wobei das Mittel zum Aufnehmen des mindestens einen Bildes (512) mindestens einen Bildausgang besitzt; und
(c) ein Mittel zum Identifizieren des mindestens einen Objektes in dem mindestens einem Bild (536), das mit dem mindestens einen Bildausgang verbunden ist, wobei das Mittel zum Identifizieren des mindestens einen Objektes (536) mindestens einen Ausgang für ein identifiziertes Objekt besitzt; und
(d) ein Mittel zum Berechnen der Maßzahl der Instabilität als Wahrscheinlichkeit der Segmentierungsinstabilität aufgrund unzureichenden Kontrastes zwischen dem mindestens einem Objekt und dem Hintergrund, das mit dem mindestens einen Ausgang für ein identifiziertes Objekt (562) verbunden ist.
29. Vorrichtung nach Anspruch 22, dadurch gekennzeichnet, daß mindestens ein Objekt zusätzlich eine biologische Zelle (Fig. IA bis ID) aufweist.
30. Vorrichtung nach Anspruch 22, dadurch gekennzeichnet, daß das mindestens eine Objekt zusätzlich mindestens einen biologischen Zellkern (Fig. IA bis ID) aufweist.
31. Vorrichtung nach Anspruch 23 zusätzlich mit einem Mittel zum Kombinieren der Maßzahl der Objektsegmentierungsrobustheit mit dem mindestens einen Objektklassifizierungsergebnis (562).
32. Vorrichtung nach Anspruch 31 zusätzlich mit einem Mittel zum Verstärken der Gesamtklassifizierungszuverlässigkeit (562).
33. Vorrichtung nach Anspruch 31, dadurch gekennzeichnet, daß das Mittel zum Kombinieren zusätzlich ein Mittel zum Gewichten des mindestens einen Objektklassifizierungsergebnisses aufweist, das eine größere Maßzahl der Segmentierungsrobustheit mit einer größeren Gewichtung besitzt (562).
34. Vorrichtung nach Anspruch 31, dadurch gekennzeichnet, daß das Mittel zum Kombinieren zusätzlich ein Mittel zum Gewichten des mindestens einen Objektklassifizierungsergebnisses mit einer Gewichtung aufweist, deren Wert durch die Maßzahl der Segmentierungsrobustheit bestimmt wird (562).
35. Vorrichtung nach Anspruch 31, dadurch gekennzeichnet, daß das Mittel zum Kombinieren zusätzlich aufweist:
(a) ein Mittel zum Kompilieren eines Histogramms (562) mindestens einer Maßzahl der Objektsegmentierungsrobustheit zum Generieren von Histogrammdaten (114);
(b) ein Mittel zum Berechnen mindestens eines Klassifizierungszuverlässigkeitsmerkmals (562) in Abhängigkeit der Histogrammdaten (114); und
(c) einem Mittel zum Berechnen eines Gesaintobjektklassifizierungsergebnisses (562) in Abhängigkeit des mindestens einen
&ugr; c
Klassifizierungszuverlässigkeitsmerkmals und mindestens eines Objektklassifizierungsergebnisses.
36. Vorrichtung nach Anspruch 22, dadurch gekennzeichnet, daß das mindestens eine Objekt zusätzlich mindestens eine biologische Zelle in einer biologischen Probe (Fig. IA bis ID) aufweist.
37. Vorrichtung nach Anspruch 36, dadurch gekennzeichnet, daß der mindestens eine biologische Zellkern in einer biologischen Probe (Fig. IA bis ID) enthalten ist.
38. Verfahren zur Klassifizierung robuster Objekte mit den Schritten:
(a) Identifizieren mindestens eines Objektes (22, 32);
(b) Klassifizieren des mindestens einen Objektes zum Bereitstellen mindestens eines Objektklassifizierungsergebnisses (40); und
(c) Berechnen einer Maßzahl der Klassifizierungsbestimmtheit für das mindestens eine Objektklassifizierungsergebnis (42).
39. Verfahren nach Anspruch 38, dadurch gekennzeichnet, daß der Schritt des Klassifizierens des mindestens einen Objekts zusätzlich das Anwenden eines Klassifizierers des Entscheidungsbaums (Fig. 8) aufweist.
40. Verfahren nach Anspruch 38, dadurch gekennzeichnet, daß der Schritt des Berechnens der Maßzahl der Klassifizierungsbestimmtheit zusätzlich das Charakterisieren eines Klassifizierers des Entscheidungsbaums (Fig. 8) aufweist.
41. Verfahren nach Anspruch 40 mit dem zusätzlichen Schritt des Berechnens einer Wahrscheinlichkeit für mindestens einen Weg entlang des Entscheidungsbaums (Fig. 8).
42. Verfahren nach Anspruch 41, dadurch gekennzeichnet, daß die mindestens eine Wahrscheinlichkeit von einer Konfiguration eines
Objektklassifizierers und der Merkmalsempfindlichkeit aufgrund von Systemrauschen abhängt.
43. Verfahren nach Anspruch 38 mit dem zusätzlichen Schritt des Kombinierens der Maßzahl der Klassifizierungsbestimmtheit mit dem mindestens einen Objektklassifizierungsergebnis (48).
44. Verfahren nach Anspruch 43 mit dem zusätzlichen Schritt des Verstärkens der Gesamtklassifizierungszuverlässigkeit (48).
45. Verfahren nach Anspruch 43, dadurch gekennzeichnet, daß der Schritt des Kombinierens zusätzlich ein Gewichten der eine höhere Maßzahl der Klassifizierungsbestimmtheit aufweisenden Objekte mit einer höheren Gewichtung aufweist (48).
46. Verfahren nach Anspruch 43 mit dem zusätzlichen Schritt des Gewichtens des mindestens einen Objektklassifizierungsergebnisses mit einer Gewichtung, deren Wert durch die Maßzahl der Klassifizierungsbestimmtheit festgelegt wird (44).
47. Verfahren nach Anspruch 43, dadurch gekennzeichnet daß, der Schritt des Kombinierens zusätzlich die Schritte aufweist:
(a) Kompilieren eines Histogramms mindestens einer Maßzahl der Klassifizierungsbestimmtheit (108) zum Generieren von Histogrammdaten (114);
(b) Berechnen mindestens eines Klassifizierungszuverlässigkeitsmerkmals in Abhängigkeit der Histogrammdaten (112); und
(c) Berechnen eines verstärkten Objektklassifizierungsergebnisses in Abhängigkeit des mindestens einen Klassifizierungszuverlässigkeitsmerkmals und des mindestens einen Objektklassifizierungsergebnisses (28).
48. Verfahren nach Anspruch 38, dadurch gekennzeichnet, daß der Schritt des Identifizierens des mindestens einen Objektes zusätzlich die Schritte aufweist:
(a) Beleuchten eines Blickfelds mit mindestens einem Objekt;
(b) Aufnehmen mindestens eines Bildes des Blickfeldes (22); und
E/EP O 842 48b Tl
(c) Identifizieren des mindestens einen Objektes in dem mindestens einen Bild (32).
49. Verfahren nach Anspruch 38, dadurch gekennzeichnet, daß das mindestens eine Objekt (Fig. IA bis ID) ein Zellkern ist.
50. Verfahren nach Anspruch 49, dadurch gekennzeichnet, daß der Zellkern in einer biologischen Probe (Fig. IA bis ID) enthalten ist.
51. Vorrichtung zum Messen der Objektklassifizierungsrobustheit mit:
(a) einem Mittel zum Identifizieren mindestens eines Objektes mit mindestens einem Objektausgang (536);
(b) einem Mittel zum Klassifizieren des mindestens einen Objektes zum Bereitstellen mindestens eines Objektklassifizierungsergebnisses, das mit dem mindestens einem Objektausgang verbunden ist, und mindestens einen Objektklassifizierungsergebnisausgang besitzt (562); und
(c) einem Mittel zum Berechnen einer Maßzahl der Klassifizierungsbestimmtheit für das mindestens eine Objektklassifizierungsergebnis, das mit dem mindestens einen Objektklassifizierungsergebnisausgang (562) verbunden ist.
52. Vorrichtung nach Anspruch 51, dadurch gekennzeichnet, daß das Mittel zum Klassifizieren des mindestens einen Objektes zusätzlich ein Mittel zum Anwenden eines Klassifizierers eines Entscheidungsbaums (Fig. 8) aufweist.
53. Vorrichtung nach Anspruch 51, dadurch gekennzeichnet, daß das Mittel zum Berechnen einer Maßzahl der Klassifizierungsbestimmtheit (562) zusätzlich ein Mittel zum Berechnen mindestens einer Wahrscheinlichkeit für mindestens einen Weg entlang eines Klassifizierers des Entscheidungsbaums (Fig. 8) aufweist.
54. Vorrichtung nach Anspruch 53, dadurch gekennzeichnet, daß
DE/ EP O 8A2 4 8 6&idigr;
die mindestens eine Wahrscheinlichkeit von einer Konfiguration eines Objektklassifizierers und der Merkitialsantwort aufgrund von Systemrauschen abhängt.
55. Vorrichtung nach Anspruch 51 zusätzlich mit einem Mittel zum Kombinieren der Maßzahl der Klassifizierungsbestimmtheit mit dem mindestens einen Objektklassifizierungsergebnis (562).
56. Vorrichtung nach Anspruch 55 zusätzlich mit einem Mittel zum Verstärken der Gesamtklassifizierungszuverlässigkeit (562).
57. Vorrichtung nach Anspruch 55, dadurch gekennzeichnet, daß das Mittel zum Kombinieren zusätzlich ein Mittel zum Gewichten des eine größere Maßzahl der Segmentierungsrobustheit aufweisenden Klassifizierungsergebnisses mit einer größeren Gewichtung aufweist (562).
58. Vorrichtung nach Anspruch 55, dadurch gekennzeichnet, daß das Mittel zum Kombinieren zusätzlich ein Mittel zum Gewichten des Objektklassifizierungsergebnisses mit einer Gewichtung aufweist, deren Wert durch die Maßzahl der Klassifizierungsbestimmtheit festgelegt wird (562).
59. Vorrichtung nach Anspruch 55, dadurch gekennzeichnet, daß das Mittel zum Kombinieren (562) zusätzlich aufweist:
(a) ein Mittel zum Kompilieren eines Histogramms (562) mindestens einer Maßzahl der Klassifizierungsbestimmtheit zum Generieren von Histogrammdaten (114);
(b) ein Mittel zum Berechnen mindestens eines Klassifizierungszuverlässigkeitsmerkmals (562) in Abhängigkeit der Histogrammdaten (114); und
(c) ein Mittel zum Berechnen eines verstärkten Objektklassifizierungsergebnisses (562) in Abhängigkeit des Klassifizierungszuverlässigkeitsmerkmals und mindestens eines Objektklassifizierungsergebnisses .
60. Vorrichtung nach Anspruch 52, dadurch gekennzeichnet, daß
DE/EP Q 842A86T1
das Mittel zum Identifizieren mindestens eines Objektes zusätzlich aufweist:
(a) ein Mittel zum Beleuchten eines FOV mit mindestens einem Objekt (508);
(b) ein Mittel zum Aufnehmen mindestens eines Bildes des FOV (512); und
(c) ein Mittel zum Identifizieren des mindestens einen Objektes in dem mindestens einen Bild (536).
61. Vorrichtung nach Anspruch 52, dadurch gekennzeichnet, daß das mindestens eine Objekt ein Zellkern ist (Fig. IA bis ID).
62. Vorrichtung nach Anspruch 61, dadurch gekennzeichnet, daß der Zellkern in einer biologischen Probe (Fig. IA bis ID) enthalten ist.
63. Verfahren zum Messen der Objektklassifizierungsrobustheit mit den Schritten:
(a) Identifizieren mindenstens eines Objektes zum Generieren mindestens eines Objektausgangs (22, 32);
(b) Klassifizieren des mindestens einen Objektes zum Bereitstellen mindestens eines Objektklassifizierungsergebnisses aus dem mindestens einen Objektausgang (40);
(c) Bewerten einer Robustheit der Segmentierung des mindestens einen Objektes zum Bereitstellen einer Maßzahl der Segmentierungsrobustheit aus dem mindestens einen Objektausgang (38); und
(d) Bewerten einer Bestimmtheit der Klassifizierung des mindestens einen Objektes zum Bereitstellen einer Maßzahl der Klassifizierungsbestiramtheit aus dem mindestens einen Objektklassifizierungsergebnis (42).
64. Verfahren nach Anspruch 63 mit dem zusätzlichen Schritt des Kombinierens der Maßzahl der Klassifizierungsbestimmtheit, der Maßzahl der Segmentierungsrobustheit und des Objektklassifizierungsergebnisses zum Bereitstellen einer vergrößerten Klassifizierungszuverlässigkeit (48).
65. Verfahren nach Anspruch 63 zusätzlich mit dem schritt des Wechselns der Objektklassifizierungsergebnisse (48).
66. Verfahren nach Anspruch 64 zusätzlich mit dem Schritt des Gewichtens des mindestens einen Objektklassifizierungsergebnisses mit mindestens zwei Gewichtungsfaktoren, wobei der Wert des ersten Gewichtungsfaktors durch die Maßzahl der Segmentierungsrobustheit (46) festgelegt wird und der Wert des zweiten Gewichtungsfaktors durch die Klassifizierungsbestimmtheitszahl (44) festgelegt wird.
67. Verfahren nach Anspruch 63 zusätzlich mit den Schritten:
(a) Kompilieren eines Streuungsdiagramms mindestens einer Maßzahl der Segmentierungsrobustheit und mindestens einer Maßzahl der Klassifizierungsbestimmtheit zum Generieren eines Ausgangs der Streuungsdiagrammdaten;
(b) Berechnen mindestens eines Klassif izierungszuverlässigkeitsmerkmals aus dem Datenausgang des Streuungsdiagramms zum Generieren mindestens eines Klassifizierungszuverlässigkeitsmerkmalsausgangs (26); und
(c) Berechnen mindestens eines verstärkten Objektklassifizierungsergebnisses aus dem Ausgang des Klassifizierungszuverlässigkeitsgewichtungsmerkmal und mindestens einem Objektklassifizierungsergebnisausgang (28).
68. Vorrichtung zum Messen der Objektklassifizierungsrobustheit mit:
(a) einem Mittel zum Identifizieren mindestens eines Objektes mit mindestens einem Objektausgang (536);
(b) einem Mittel zum Klassifizieren des mindestens einen Objektes zum Bereitstellen mindestens eines Objektklassifizierungsergebnisses (562), das mit dem mindestens einen Objektausgang verbunden ist;
(c) einem Mittel zum Bewerten der Robustheit der Segmentierung des mindestens einen Objekts zum Bereitstellen einer Maßzahl der Segmentierungsrobustheit (562), das mit dem mindestens einen Objektausgang verbunden ist; und
(d) einem Mittel zum Bewerten der Bestimmtheit der Klassifizierung des mindestens einen Objektes zum Bereitstellen einer Maßzahl der Klassifizierungsbestimmtheit (562), das mit dem mindestens einen Objektklassifizierungsergebnis verbunden ist.
69. Vorrichtung nach Anspruch 68 zusätzlich mit einem Mittel zum Kombinieren der Maßzahl der Klassifizierungsbestimmtheit, der Maßzahl der Segmentierungsrobustheit und des Objektklassifizierungsergebnisses zum Bereitstellen einer vergrößerten Klassifizierungszuverlässigkeit (562).
70. Vorrichtung nach Anspruch 68 zusätzlich mit einem Mittel zum Wechseln der Objektklassifizierungsergebnisse (562).
71. Vorrichtung nach Anspruch 69, dadurch gekennzeichnet, daß das Mittel zum Kombinieren (562) zusätzlich ein Gewichten des mindestens einen Objektklassifizierungsergebnisses mit mindestens zwei Gewichtungsfaktoren aufweist, wobei der Wert des ersten Gewichtungsfaktors durch die Maßzahl der Segmentierungsrobustheit festgelegt wird und der Wert des zweiten Gewichtungsfaktors durch die Klassifizierungsbestimmtheitszahl festgelegt wird.
72. Vorrichtung nach Anspruch 68 zusätzlich mit einem Mittel zum Robustklassifizieren mit:
(a) einem Mittel zum Kompilieren eines Streuungsdiagraituns mindestens einer Maßzahl der Segmentierungsrobustheit und mindestens einer Maßzahl der Klassifizierungsbestimmtheit mit einem Ausgang der Streuungsdiagrammdaten (562);
(b) einem Mittel zum Berechnen mindestens eines Klassifizierungszuverlässigkeitsmerkmals, das mit dem Ausgang der Streuungsdiagrammdaten verbunden ist, und mindestens einen Ausgang des Klassifizierungszuverlässigkeitsmerkmals (562) aufweist; und
(c) einem Mittel zum Berechnen mindestens eines verstärkten Objektklassifizierungsergebnisses, das mit dem Ausgang des Klassifizierungszuverlässigkeitsgewichtungsmerkmals und
OE/EP 0 342 48 6 &Pgr;
mindestens einem Ausgang des Objektklassifizierungsergebnisses (562) verbunden ist.
73. Robustklassifizierer mit:
(a) einem Mittel zum Kompilieren eines Streuungsdiagramms mindestens einer Maßzahl der Segmentierungsrobustheit (562) und mindestens einer Maßzahl der Klassifizierungsbestimmtheit mit einem Ausgang der Streuungsdiagrammdaten;
(b) einem Mittel zum Berechnen mindestens eines Klassifizierungszuverlässigkeitsmerkmals (562), das mit dem Ausgang der Streuungsdiagrammdaten verbunden ist, und mit mindestens einem Ausgang des Klassifizierungszuverlässigkeitsmerkmals; und
(c) einem Mittel zum Berechnen mindestens eines verstärkten Objektklassifizierungsergebnisses (562), das mit mindestens einem Ausgang des Klassifizierungszuverlässigkeitsgewichtungsmerkmals und mindestens einem Ausgang des Objektklassifizierungsergebnisses verbunden ist.
DE0842486T 1995-07-31 1996-07-24 Messung der robustheit einer klassifikation Pending DE842486T1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US08/509,181 US5745601A (en) 1995-07-31 1995-07-31 Robustness of classification measurement apparatus and method
PCT/US1996/013405 WO1997005563A1 (en) 1995-07-31 1996-07-24 Robustness of classification measurement

Publications (1)

Publication Number Publication Date
DE842486T1 true DE842486T1 (de) 1998-09-24

Family

ID=24025632

Family Applications (1)

Application Number Title Priority Date Filing Date
DE0842486T Pending DE842486T1 (de) 1995-07-31 1996-07-24 Messung der robustheit einer klassifikation

Country Status (9)

Country Link
US (1) US5745601A (de)
EP (1) EP0842486A4 (de)
JP (1) JPH11510282A (de)
AU (1) AU728078B2 (de)
CA (1) CA2228062C (de)
DE (1) DE842486T1 (de)
ES (1) ES2118684T1 (de)
GR (1) GR980300038T1 (de)
WO (1) WO1997005563A1 (de)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6091842A (en) * 1996-10-25 2000-07-18 Accumed International, Inc. Cytological specimen analysis system with slide mapping and generation of viewing path information
US6148096A (en) * 1995-09-15 2000-11-14 Accumed International, Inc. Specimen preview and inspection system
US6430309B1 (en) 1995-09-15 2002-08-06 Monogen, Inc. Specimen preview and inspection system
US6078697A (en) * 1996-10-01 2000-06-20 Eastman Kodak Company Method and apparatus for segmenting image data into contone, text and halftone classifications
US6496190B1 (en) * 1997-07-02 2002-12-17 Mental Images Gmbh & Co Kg. System and method for generating and using systems of cooperating and encapsulated shaders and shader DAGs for use in a computer graphics system
US9007393B2 (en) * 1997-07-02 2015-04-14 Mental Images Gmbh Accurate transparency and local volume rendering
AUPP278698A0 (en) * 1998-04-03 1998-04-30 University Of Queensland, The Method of cell nuclei segmentation
WO2000062240A1 (en) * 1999-04-14 2000-10-19 Tripath Imaging, Inc. Automatic slide classification using microscope slide preparation type
US6535626B1 (en) 2000-01-14 2003-03-18 Accumed International, Inc. Inspection system with specimen preview
JP2002133411A (ja) * 2000-08-17 2002-05-10 Canon Inc 情報処理方法、情報処理装置及びプログラム
US8346483B2 (en) * 2002-09-13 2013-01-01 Life Technologies Corporation Interactive and automated tissue image analysis with global training database and variable-abstraction processing in cytological specimen classification and laser capture microdissection applications
US10156501B2 (en) 2001-11-05 2018-12-18 Life Technologies Corporation Automated microdissection instrument for determining a location of a laser beam projection on a worksurface area
US8722357B2 (en) * 2001-11-05 2014-05-13 Life Technologies Corporation Automated microdissection instrument
US7343362B1 (en) * 2003-10-07 2008-03-11 United States Of America As Represented By The Secretary Of The Army Low complexity classification from a single unattended ground sensor node
CN100583148C (zh) * 2004-03-03 2010-01-20 日本电气株式会社 图像相似度计算系统、图像搜索系统、图像相似度计算方法
CA2580025A1 (en) 2004-09-09 2006-03-23 Molecular Devices Corporation Laser microdissection apparatus and method
US7460716B2 (en) * 2004-09-13 2008-12-02 Boston Scientific Scimed, Inc. Systems and methods for producing a dynamic classified image
US10512429B2 (en) 2004-12-23 2019-12-24 ResMed Pty Ltd Discrimination of cheyne-stokes breathing patterns by use of oximetry signals
EP2394572A3 (de) 2004-12-23 2012-05-09 ResMed Ltd. Vorrichtung zur Erkennung und Unterscheidung von Atemmustern aus Atmungssignalen
US7680307B2 (en) * 2005-04-05 2010-03-16 Scimed Life Systems, Inc. Systems and methods for image segmentation with a multi-stage classifier
US7756341B2 (en) * 2005-06-30 2010-07-13 Xerox Corporation Generic visual categorization method and system
EP2421435A4 (de) * 2009-04-20 2016-10-19 Resmed Ltd Unterscheidung von cheyne-stokes-atemmustern mittels oxymetriesignalen
EP3422245B1 (de) * 2017-06-28 2022-02-16 NXP USA, Inc. Verfahren, verarbeitungsmaschinen und mikroprozessoren zur klassifizierung von daten nach entscheidungsbäumen
EP3690760B1 (de) * 2019-02-04 2022-10-26 Robert Bosch GmbH Vorrichtung und verfahren zur verbesserung der robustheit gegenüber kontradiktorischen beispielen
US11366989B2 (en) * 2019-08-20 2022-06-21 Microsoft Technology Licensing, Llc Negative sampling algorithm for enhanced image classification
US11270121B2 (en) 2019-08-20 2022-03-08 Microsoft Technology Licensing, Llc Semi supervised animated character recognition in video
US11450107B1 (en) 2021-03-10 2022-09-20 Microsoft Technology Licensing, Llc Dynamic detection and recognition of media subjects

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3824393A (en) * 1971-08-25 1974-07-16 American Express Invest System for differential particle counting
US4085006A (en) * 1974-11-06 1978-04-18 Isomedics, Incorporated Automatic cell analyzer method
US4034342A (en) * 1974-12-23 1977-07-05 Burroughs Corporation Magnetic character recognition system employing a dynamic threshold voltage determination system
US4175860A (en) * 1977-05-31 1979-11-27 Rush-Presbyterian-St. Luke's Medical Center Dual resolution method and apparatus for use in automated classification of pap smear and other samples
US4839194A (en) * 1985-07-05 1989-06-13 Bone Diagnostic Center Methods of preparing tissue samples
US5077807A (en) * 1985-10-10 1991-12-31 Palantir Corp. Preprocessing means for use in a pattern classification system
US4817166A (en) * 1986-05-05 1989-03-28 Perceptics Corporation Apparatus for reading a license plate
US4949388A (en) * 1987-02-19 1990-08-14 Gtx Corporation Method and apparatus for recognition of graphic symbols
US4812412A (en) * 1987-02-26 1989-03-14 Health Research Inc. Standard specimen and method of making and using same
US5153439A (en) * 1987-05-26 1992-10-06 Science Applications International Corporation Multi-sensor explosive detection system using an articifical neural system
US4965725B1 (en) * 1988-04-08 1996-05-07 Neuromedical Systems Inc Neural network based automated cytological specimen classification system and method
US5139031A (en) * 1989-09-18 1992-08-18 La Mina Ltd. Method and device for cytology and microbiological testing
US5078952A (en) * 1989-06-16 1992-01-07 Science Applications International Corporation Multi-sensor explosive detection system
US5072382A (en) * 1989-10-02 1991-12-10 Kamentsky Louis A Methods and apparatus for measuring multiple optical properties of biological specimens
US5029226A (en) * 1989-10-10 1991-07-02 Unisys Corporation Method and apparatus for effecting spot/void filtering of image data
US5313532A (en) * 1990-01-23 1994-05-17 Massachusetts Institute Of Technology Recognition of patterns in images
US5048095A (en) * 1990-03-30 1991-09-10 Honeywell Inc. Adaptive image segmentation system
US5257182B1 (en) * 1991-01-29 1996-05-07 Neuromedical Systems Inc Morphological classification system and method
US5263097A (en) * 1991-07-24 1993-11-16 Texas Instruments Incorporated Parameter normalized features for classification procedures, systems and methods
US5260871A (en) * 1991-07-31 1993-11-09 Mayo Foundation For Medical Education And Research Method and apparatus for diagnosis of breast tumors
JP2500834B2 (ja) * 1991-09-05 1996-05-29 ゼロックス コーポレイション 画素値の量子化方法及び装置
US5335291A (en) * 1991-09-20 1994-08-02 Massachusetts Institute Of Technology Method and apparatus for pattern mapping system with self-reliability check
EP0550131A2 (de) * 1991-12-31 1993-07-07 AT&T Corp. Graphisches System zur Segmentierung und Erkennung für Bilderkennungssystemen
US5361140A (en) * 1992-02-18 1994-11-01 Neopath, Inc. Method and apparatus for dynamic correction of microscopic image signals
US5315700A (en) * 1992-02-18 1994-05-24 Neopath, Inc. Method and apparatus for rapidly processing data sequences
JPH06309492A (ja) * 1993-04-21 1994-11-04 Eastman Kodak Co 複数分類器出力合成方法及び合成システム
US5357977A (en) * 1993-04-23 1994-10-25 St. Mary's Hospital And Medical Center, Inc. Cytological sampling method and device

Also Published As

Publication number Publication date
AU728078B2 (en) 2001-01-04
CA2228062A1 (en) 1997-02-13
AU6898796A (en) 1997-02-26
US5745601A (en) 1998-04-28
WO1997005563A1 (en) 1997-02-13
JPH11510282A (ja) 1999-09-07
CA2228062C (en) 2001-12-18
ES2118684T1 (es) 1998-10-01
EP0842486A4 (de) 1999-03-10
GR980300038T1 (en) 1998-07-31
EP0842486A1 (de) 1998-05-20

Similar Documents

Publication Publication Date Title
DE842486T1 (de) Messung der robustheit einer klassifikation
DE69221668T2 (de) Gerät zur Zellenanalyse im Urin
Trahanias An approach to QRS complex detection using mathematical morphology
Qu et al. Improvement in seizure detection performance by automatic adaptation to the EEG of each patient
DE10123330A1 (de) Verfahren zur Fälschungserkennung bei der Fingerabdruckerkennung unter Verwendung einer Texturklassifikation von Grauwertdifferenzbildern
DE69630005T2 (de) Analysator und Methode zur Analyse von Urinbestandteilen
DE69920047T2 (de) Detektion von reiner sprache in einem audio signal, mit hilfe einer detektionsgrösse (valley percentage)
CN109509170A (zh) 一种压铸件缺陷检测方法及装置
Shaikh et al. A novel approach for automatic number plate recognition
WO2012172073A1 (de) Verfahren zur bereitstellung eines vorhersagemodells für eine rissdetektion und verfahren zur rissdetektion an einer halbleiterstruktur
She et al. Intelligent animal fiber classification with artificial neural networks
Song et al. Texture segmentation by genetic programming
CN112068120A (zh) 基于二维傅里叶变换的微多普勒时频平面单兵小分队识别方法
EP0402868A3 (de) Verfahren zur Erkennung von vorab lokalisierten, in digitalen Grauwertbildern vorliegenden Zeichen, insbesondere zum Erkennen von in Metalloberflächen eingeschlagenen Zeichen
CN116862878A (zh) 一种高反光胶水缺陷检测方法
DE60221623T2 (de) System zur Identitätsverifizierung
Hayashi et al. Mouse bone marrow micronucleus test using flow cytometry
CN113796873B (zh) 穿戴式动态心电信号分类方法及系统
Kaur et al. A methodology for the performance analysis of cluster based image segmentation
DE69221669T2 (de) Gerät zur Messung von Zellen im Urin
Laggoune et al. Tree ring analysis
Hwang et al. Hybrid image processing for robust extraction of lean tissue on beef cut surfaces
Murshed et al. Off-line signature verification, without a priori knowledge of class/spl omega//sub 2/. A new approach
CN112735442A (zh) 一种具有音频分离声纹识别的湿地生态监测系统及其音频分离方法
US20040042652A1 (en) Method and computer program product for generating training data for a new class in a pattern recognition classifier