A custom grow-cut based scheme for 2D-gel image segmentation

Kostopoulou, Eirini; Katsigiannis, Stamos; Maroulis, Dimitris

doi:10.1109/embc.2015.7318879

Cited by 3 publications

(2 citation statements)

References 16 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Further the results presented in this article are in accordance to other works that focus on the assessment of varying segmentation approaches based on 3D model production [33], 49-53 and further with the results from other authors that used the same algorithm in other medical fields such as for the segmentation of tumors or cDNA [71][72][73].…”

Section: Voxel Comparison Significance (P) Coefficient (R)supporting

confidence: 90%

Clinical evaluation of semi-automatic open-source algorithmic software segmentation of the mandibular bone: Practical feasibility and assessment of a new course of action

et al. 2018

View full text Add to dashboard Cite

IntroductionComputer assisted technologies based on algorithmic software segmentation are an increasing topic of interest in complex surgical cases. However—due to functional instability, time consuming software processes, personnel resources or licensed-based financial costs many segmentation processes are often outsourced from clinical centers to third parties and the industry. Therefore, the aim of this trial was to assess the practical feasibility of an easy available, functional stable and licensed-free segmentation approach to be used in the clinical practice.Material and methodsIn this retrospective, randomized, controlled trail the accuracy and accordance of the open-source based segmentation algorithm GrowCut was assessed through the comparison to the manually generated ground truth of the same anatomy using 10 CT lower jaw data-sets from the clinical routine. Assessment parameters were the segmentation time, the volume, the voxel number, the Dice Score and the Hausdorff distance.ResultsOverall semi-automatic GrowCut segmentation times were about one minute. Mean Dice Score values of over 85% and Hausdorff Distances below 33.5 voxel could be achieved between the algorithmic GrowCut-based segmentations and the manual generated ground truth schemes. Statistical differences between the assessment parameters were not significant (p<0.05) and correlation coefficients were close to the value one (r > 0.94) for any of the comparison made between the two groups.DiscussionComplete functional stable and time saving segmentations with high accuracy and high positive correlation could be performed by the presented interactive open-source based approach. In the cranio-maxillofacial complex the used method could represent an algorithmic alternative for image-based segmentation in the clinical practice for e.g. surgical treatment planning or visualization of postoperative results and offers several advantages. Due to an open-source basis the used method could be further developed by other groups or specialists. Systematic comparisons to other segmentation approaches or with a greater data amount are areas of future works.

show abstract

Section: Voxel Comparison Significance (P) Coefficient (R)supporting

confidence: 90%

Clinical evaluation of semi-automatic open-source algorithmic software segmentation of the mandibular bone: Practical feasibility and assessment of a new course of action

et al. 2018

View full text Add to dashboard Cite

show abstract

“…En procesamiento de imágenes 2DGE es común encontrar enfoques multi-umbral para la detección de las proteínas [38], [45]. Por ejemplo, Kostopoulou y colaboradores dividen la imagen en ventanas de tamaño fijo, en cada una de las cuales se aplica la umbralización [39], [45].…”

Section: ) Umbralizaciónunclassified

Procesamiento de imágenes de electroforesis bidimensional: una revisión

et al. 2019

View full text Add to dashboard Cite

Este artículo presenta una revisión de las técnicas y algoritmos aplicados al procesamiento y análisisde imágenes de electroforesis bidimensional (2DGE). La electroforesis bidimensional permite separar cientos de proteínas en un único gel, mostrando un patrón característico. En el análisis de imágenes es importante una correcta detección de las proteínas presentes, ya que cualquier error en esta etapa puede llevar a la detección de falsas proteínas, o a obviar proteínas importantes, pero de baja abundancia, lo cual afectaría los resultados del análisis. Técnicas de segmentación son empleadas para separar las proteínas del fondo y encontrar anomalías. Los métodos empleados para la segmentación de imágenes 2DGE se pueden clasificar como: basados en detección de bordes, morfológicos, umbralización y basados en regiones. En muchos estudios proteómicos se hace necesario la fusión o registro de imágenes para la identificación y comparación de patrones de varias muestras diferentes. Para este proceso de fusión se pueden usar las imágenes originales o los resultados de la segmentación. A pesar de los avances significativos en el campo de procesamiento de imágenes 2DGE, no se encuentran en la literatura métodos completamente automatizados. Las herramientas comerciales disponibles para el análisis y procesamiento de imágenes 2DGE requieren que el usuario seleccione adecuadamente ciertos parámetros, de los cuales dependen los resultados arrojados por el software. Este artículo revisa diferentes técnicas para el procesamiento de las imágenes 2DGE. Especial atención es dada a las técnicas de segmentación y registro de imágenes.

show abstract