Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal

En la actualidad no se conoce el mecanismo biológico, mediante el cual algunos animales tienen la capacidad de regenerar partes de su cuerpo. Recientemente, ha sido propuesto como modelo para este tipo de estudio el crustáceo Parhyale Hawaiensis, el cual es capaz de regenerar una extremidad amputada...

Full description

Autores:
Rodríguez Montenegro, Luis Hernando
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad de Ibagué
Repositorio:
Repositorio Universidad de Ibagué
Idioma:
spa
OAI Identifier:
oai:repositorio.unibague.edu.co:20.500.12313/4828
Acceso en línea:
https://hdl.handle.net/20.500.12313/4828
Palabra clave:
Microscopía confocal - Imágenes
Celulas progenitoras
Procesamiento de imágenes
Detección de bordes
Suavizado
Plugin
Paralelización
Parhyale Hawaiensis
Image processing
Edge detection
Smoothing
Plugin
Parallelization
Parhyale hawaiensis
Rights
closedAccess
License
http://purl.org/coar/access_right/c_14cb
id UNIBAGUE2_bd6ace6f992896e591ca6db4a5fabfb4
oai_identifier_str oai:repositorio.unibague.edu.co:20.500.12313/4828
network_acronym_str UNIBAGUE2
network_name_str Repositorio Universidad de Ibagué
repository_id_str
dc.title.spa.fl_str_mv Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal
title Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal
spellingShingle Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal
Microscopía confocal - Imágenes
Celulas progenitoras
Procesamiento de imágenes
Detección de bordes
Suavizado
Plugin
Paralelización
Parhyale Hawaiensis
Image processing
Edge detection
Smoothing
Plugin
Parallelization
Parhyale hawaiensis
title_short Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal
title_full Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal
title_fullStr Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal
title_full_unstemmed Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal
title_sort Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal
dc.creator.fl_str_mv Rodríguez Montenegro, Luis Hernando
dc.contributor.advisor.none.fl_str_mv Forero Vargas, Manuel Guillermo
dc.contributor.author.none.fl_str_mv Rodríguez Montenegro, Luis Hernando
dc.subject.armarc.none.fl_str_mv Microscopía confocal - Imágenes
Celulas progenitoras
topic Microscopía confocal - Imágenes
Celulas progenitoras
Procesamiento de imágenes
Detección de bordes
Suavizado
Plugin
Paralelización
Parhyale Hawaiensis
Image processing
Edge detection
Smoothing
Plugin
Parallelization
Parhyale hawaiensis
dc.subject.proposal.spa.fl_str_mv Procesamiento de imágenes
Detección de bordes
Suavizado
Plugin
Paralelización
dc.subject.proposal.eng.fl_str_mv Parhyale Hawaiensis
Image processing
Edge detection
Smoothing
Plugin
Parallelization
Parhyale hawaiensis
description En la actualidad no se conoce el mecanismo biológico, mediante el cual algunos animales tienen la capacidad de regenerar partes de su cuerpo. Recientemente, ha sido propuesto como modelo para este tipo de estudio el crustáceo Parhyale Hawaiensis, el cual es capaz de regenerar una extremidad amputada en una semana aproximadamente, y que, dado su pequeño tamaño y transparencia de su cuerpo permite la visualización de las células mediante imágenes de microscopía confocal en 4D, facilitando el seguimiento de la regeneración celular en el tiempo, con el fin de conocer este mecanismo. Sin embargo, dado el alto número de imágenes, nivel de ruido y número de células hacen que el proceso de seguimiento manual de las células progenitoras en la extremidad a través del tiempo sea una tarea extremadamente compleja, pesada y difícil. Por lo tanto, es necesario desarrollar técnicas mejoradas que facilitan esta tarea. En el semillero Lún se está desarrollando una investigación denominada “desarrollo de técnicas de procesamiento de imágenes en vivo para revelar los progenitores y la dinámica celular de la regeneración de miembros” que busca una solución a este problema. Como parte de este proyecto, en este trabajo se implementan y evalúan varios métodos de detección de bordes, con el fin de encontrar la mejor solución que pueda ser empleada para el posterior seguimiento de las células. Las técnicas fueron implementadas como parte de la herramienta TrackMate desarrollada para el software de libre acceso FIJI, escogida debido a su amplio uso y aceptación por parte de los biólogos. Esta herramienta permite el seguimiento de las células en el proceso de regeneración y cuenta con los detectores de bordes Laplaciano de Gaussiano (LOG) y Diferencia de Gaussianos (DOG). Aunque estas técnicas presentan buenos resultados, no permiten la detección de todas las células y detecta un alto número de falsos positivos. En este trabajo, se implementarán otras técnicas de detección de bordes basadas en máscaras de convolución como el operador de Shen - Castan y técnicas de detección óptima como el detector de Deriche. Los resultados son evaluados y comparados para encontrar las técnicas que permiten obtener los mejores resultados.
publishDate 2023
dc.date.issued.none.fl_str_mv 2023
dc.date.accessioned.none.fl_str_mv 2025-03-13T20:29:38Z
dc.date.available.none.fl_str_mv 2025-03-13T20:29:38Z
dc.type.none.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.none.fl_str_mv Text
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TP
dc.type.version.none.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.citation.none.fl_str_mv Rodríguez Montenegro, L.H.(2023).Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal.[Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4828
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12313/4828
identifier_str_mv Rodríguez Montenegro, L.H.(2023).Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal.[Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4828
url https://hdl.handle.net/20.500.12313/4828
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv Dennis A. Sun, Nipam H. Patel. (2019, mayo 11). The amphipod crustacean Parhyale hawaiensis: An emerging comparative model of arthropod development, evolution, and regeneration. https://doi.org/10.1002/wdev.355
Tinevez, JY. Perry, N. Schindelin, J. (2017). TrackMate: una plataforma abierta y extensible para el seguimiento de partículas individuales.
M.E. Tanenbaum, L.A. Gilbert, L.S. Qi, J.S. Weissman, R.D. Vale. (2014). A protein- tagging system for signal amplification in gene expression and fluorescence imaging.
M.F. Mossuto, S. Sannino, D. Mazza, C. Fagioli, M. Vitale, E.D. Yoboue, R. Sitia, T. Anelli. (2014). A dynamic study of protein secretion and aggregation in the secretory pathway.
A. Reversat, M.I. Yuseff, D. Lankar, O. Malbec, D. Obino, M. Maurin, N.V. Penmatcha, A. Amoroso, L. Sengmanivong, G.G. Gundersen, I. Mellman, F. Darchen, C. Desnos, P. Pierobon, A.M. Lennon-Duménil. (2015). Polarity protein Par3 controls B-cell receptor dynamics and antigen extraction at the immune synapse.
S. Gluska, M. Chein, N. Rotem, A. Ionescu, E. Perlson. (2016). Tracking Quantum-Dot labeled neurotropic factors transport along primary neuronal axons in compartmental microfluidic chambers, Methods Cell.
P. Denninger, A. Bleckmann, A. Lausser, F. Vogler, T. Ott, D.W. Ehrhardt, W.B. Frommer, S. Sprunck, T. Dresselhaus, G. Grossmann. (2014). Male-female communication triggers calcium signatures during fertilization in Arabidopsis.
B. Sporsheim, A. Øverby, A.M. Bones. (2015). Allyl isothiocyanate inhibits actin- dependent intracellular transport in Arabidopsis thaliana.
M.S. Minns, G. Teicher, C.B. Rich, V. Trinkaus-Randall. (2017). Purinoreceptor P2X7 regulation of Ca(2+) mobilization and cytoskeletal rearrangement is required for corneal reepithelialization after injury.
S.C. Chew, S.A. Rice, S. Kjelleberg, L. Yang. (2015). In situ mapping of the mechanical properties of biofilms by particle-tracking microrheology.
K.A. Mosiewicz, L. Kolb, A.J. van der Vlies, M.P. Lutolf. (2014). Microscale patterning of hydrogel stiffness through light-triggered uncaging of thiols.
A. Pauli, M.L. Norris, E. Valen, G.L. Chew, J.A. Gagnon, S. Zimmerman, A. Mitchell, J. Ma, J. Dubrulle, D. Reyon, S.Q. Tsai, J.K. Joung, A. Saghatelian, A.F. Schier. (2014). Toddler: an embryonic signal that promotes cell movement via Apelin receptors.
K. Campbell, J. Casanova. (2015). A role for E-cadherin in ensuring cohesive migration of a heterogeneous population of non-epithelial cells.
B. Spiesschaert, B. Goldenbogen, S. Taferner, M. Schade, M. Mahmoud, E. Klipp, N. Osterrieder, W. Azab. (2015). Role of gB and pUS3 in equine herpesvirus 1 transfer between peripheral blood mononuclear cells and endothelial cells: a dynamic in vitro model.
P. Schattling, B. Thingholm, B. Städler. (2015). Enhanced diffusion of glucose-fueled Janus particles.
A.H. Chen, A. Robinson-Mosher, D.F. Savage, P.A. Silver, J.K. Polka. (2013). The bacterial carbon-fixing organelle is formed by shell envelopment of preassembled cargo.
R. Müller, O. Stranik, F. Schlenk, S. Werner, D. Malsch, D. Fischer, W. Fritzsche. (2015). Optical detection of nanoparticle agglomeration in a living system under the influence of a magnetic field.
K.G. Bondoc, J. Heuschele, J. Gillard, W. Vyverman, G. Pohnert. (2016). Selective silicate-directed motility in diatoms.
C. Noble, N. Smulders, N.H. Green, R. Lewis, M.J. Carré, S.E. Franklin, S. MacNeil, Z.A. Taylor. (2016). Creating a model of diseased artery damage and failure from healthy porcine aorta.
Hocenski, Z.,Vasilic, S. & Hocenski V. (2006). Improved Canny edge detector in ceramic tiles defect detection. IEEE Industrial Electronics.
Ersoy, O. (1987). Fast Algorithms and Architectures for SignaL/Image Processing and Understanding in Intelligent Automation Systems. In Microcomputer application in process control: selected papers from the IFAC symposium.
Ali, M. & Clausi, D. (2001). Using the Canny edge detector for feature extraction and enhancement of remote sensing images. Geoscience and Remote Sensing Symposium.
Zhang, L., Qiu, B., Yu, X., & Xu, J. (2015). Multi-scale hybrid saliency analysis for region of interest detection in very high resolution remote sensing images. Image and Vision Computing.
Lee, K.K., Cham, W.K. & Chen Q.R. (2002). Chin contour estimation using modified Canny edge detector. Control, Automation, Robotics and Vision.
Zhang, L., Tjondronegoro, D., & Chandran, V. (2014). Random Gabor based templates for facial expression recognition in images with facial occlusion. Neurocomputing.
Pirzada, S.J.H., & Siddiqui, A. (2013). Analysis of edge detection algorithms for feature extraction in satellite images. Space Science and Communication (IconSpace).
Pirzada, S.J.H., & Siddiqui, A. (2013). Analysis of edge detection algorithms for feature extraction in satellite images. Space Science and Communication (IconSpace).
Bao, C. & Sheng, C. (2013). A parameterized logarithmic image processing method based on Laplacian of Gaussian filtering for lung nodules enhancement in chest radiographs. Instrumentation and Measurement, Sensor Network and Automation (IMSNA), 2013 2nd International Symposium on. IEEE.
G. Papari, N. Petkov. (2011). Edge and line oriented contour detection: State of the art, Image and Vision Computing. http://dx.doi.org/10.1016/j.imavis.2010.08.009
Hao Xiao, Yanming Fan, Zhang Zhang, Xin Cheng. (2019). A Fast and Accurate Edge Detection Algorithm for Real-Time Deep-Space Autonomous Optical Navigation. 10th IEEE International Conference Technology and Applications (IDAACS).
Junfei Shi, Haiyan Jin, Zhaolin Xiao. (2020). A Novel Hybrid Edge Detection Method for Polarimetric SAR Images. IEEE Access.
Irmawati, Basari, Dadang Gunawan. (2019). Automated Detection of Human Blastocyst Quality Using Convolutional Neural Network and Edge Detector. 1st (ICORIS).
Beien Wang, Rob Kreuger, Jan Huizenga, Freek J. Beekman, Marlies C. Goorden. (2020). Experimental Validation of a Gamma Detector With a Novel Light-Guide-PMT Geometry to Reduce Dead Edge Effects. IEEE Transactions on Radiation and Plasma Medical Sciences.
Ufuk Tanyeri, Mahmut Kilicaslan, Recep Demirci. (2019). Canny Edge Detector with Half Entropy. 3rd (ISMSIT).
Yang Liu, Zongwu Xie, Hong Liu. (2019). Fast and robust ellipse detector based on edge following method. IET Image Processing.
Bing Bai, Fang Yang, Li Chai. (2019). Point Flow Edge Detection Method Based on Phase Congruency. Chinese Automation Congress (CAC).
M. Saya Nandini Devi, S. Santhi. (2019). Improved Edge Detection Methods in OCT Images using a Hybrid Framework based on CGWO Algorithm. (ICCSP).
Min Sun Lee, Joshua W. Cates, Craig S. Levin. (2019). High-resolution PET detector with 100 ps coincidence time resolution using side-by-side phoswich design. IEEE (NSS/MIC).
JiaQiang Zhong, Wen Zhang, Wei Miao, Dong Liu, Zheng Wang, Wen-Ying Duan, Feng Wu, Kun Zhang, Qijun Yao, Sheng-Cai Shi, Ming-Jye Wang, François Pajot. (2019). Fast-Response Superconducting Titanium Bolometric Detectors. IEEE Transactions on Applied Superconductivity.
Saket Bhardwaj, Ajay Mittal. (2012). A Survey on Various Edge Detector Techniques, Procedia Technology
S. Annadurai, R. shanmugalakshmi. (2007). Fundamentals of Digital Image Processing.
Diego González Aguilera. Procesamiento de imágenes.
Irwin Sobel. (2014). Historia y definición del operador de Sobel.
John Canny. (1983, June). Finding edges and lines in images.
John Canny. (1983). A variational approach to edge detection.
John Canny. (1986, November). A computational approach to edge detection. http://dx.doi.org/10.1109/TPAMI.1986.4767851
Rafael Grompone von Gioi, Gregory Randall. (2017). A Sub-Pixel Edge Detector: an Implementation of the Canny/Devernay Algorithm. https://doi.org/10.5201/ipol.2017.216
M. Forero. (2002). Introducción al procesamiento digital de imágenes.
Noor Elaiza Abdul Khalid, Noorhayati Mohamed Noor, Mohd Ashri Abu Hassan, Asmah Ibrahim. (2008, September). Evaluation of Sobel, Canny, Shen & Castan Using Sample Line Histogram Method. https://www.researchgate.net/publication/4376583
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/closedAccess
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_14cb
dc.rights.license.none.fl_str_mv Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc/4.0/
eu_rights_str_mv closedAccess
rights_invalid_str_mv http://purl.org/coar/access_right/c_14cb
Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
https://creativecommons.org/licenses/by-nc/4.0/
dc.format.extent.none.fl_str_mv 108 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de Ibagué
dc.publisher.faculty.none.fl_str_mv Ingeniería
dc.publisher.place.none.fl_str_mv Ibagué
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
publisher.none.fl_str_mv Universidad de Ibagué
institution Universidad de Ibagué
bitstream.url.fl_str_mv https://repositorio.unibague.edu.co/bitstreams/2ba68fdf-2285-4313-a9c9-4f0d1354db04/download
https://repositorio.unibague.edu.co/bitstreams/cfea75ca-14ca-4103-890a-dcbbae20a2df/download
https://repositorio.unibague.edu.co/bitstreams/e8e6036f-8268-43a7-8f18-3d6799fde3ea/download
https://repositorio.unibague.edu.co/bitstreams/55118d17-8819-4a12-a086-bfb754411ef4/download
https://repositorio.unibague.edu.co/bitstreams/3276dc33-a8dd-4196-9285-a3156b2750f7/download
https://repositorio.unibague.edu.co/bitstreams/dcc2f34f-977b-4ee9-8927-d385575c046d/download
https://repositorio.unibague.edu.co/bitstreams/e22a025f-6256-477d-abe3-8f4a22d91013/download
https://repositorio.unibague.edu.co/bitstreams/d4c8788a-7bfc-4b4f-9c8f-1671a796c390/download
bitstream.checksum.fl_str_mv b5311fb3df91c65af251bdda01189556
1d87b77888fbf175382343b8eb367137
6849a4436ee7f5e1de5dd0c49bf24e48
2fa3e590786b9c0f3ceba1b9656b7ac3
8d1b9f86f47f59fd073b0b3c9d3e8b57
5a803b0e2b34da73483fd9bec1a66771
0b32af6bdaf75598891f9ee84a6a3a37
2d7ae64129b9f6d4d1e7ea99212a74ce
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad de Ibagué
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1851059959541792768
spelling Forero Vargas, Manuel Guillermo187e7d0d-8326-49bc-8824-d0c7660437b7-1Rodríguez Montenegro, Luis Hernandoeb5c3f66-016b-414e-a91e-f9b15fdef2f0-12025-03-13T20:29:38Z2025-03-13T20:29:38Z2023En la actualidad no se conoce el mecanismo biológico, mediante el cual algunos animales tienen la capacidad de regenerar partes de su cuerpo. Recientemente, ha sido propuesto como modelo para este tipo de estudio el crustáceo Parhyale Hawaiensis, el cual es capaz de regenerar una extremidad amputada en una semana aproximadamente, y que, dado su pequeño tamaño y transparencia de su cuerpo permite la visualización de las células mediante imágenes de microscopía confocal en 4D, facilitando el seguimiento de la regeneración celular en el tiempo, con el fin de conocer este mecanismo. Sin embargo, dado el alto número de imágenes, nivel de ruido y número de células hacen que el proceso de seguimiento manual de las células progenitoras en la extremidad a través del tiempo sea una tarea extremadamente compleja, pesada y difícil. Por lo tanto, es necesario desarrollar técnicas mejoradas que facilitan esta tarea. En el semillero Lún se está desarrollando una investigación denominada “desarrollo de técnicas de procesamiento de imágenes en vivo para revelar los progenitores y la dinámica celular de la regeneración de miembros” que busca una solución a este problema. Como parte de este proyecto, en este trabajo se implementan y evalúan varios métodos de detección de bordes, con el fin de encontrar la mejor solución que pueda ser empleada para el posterior seguimiento de las células. Las técnicas fueron implementadas como parte de la herramienta TrackMate desarrollada para el software de libre acceso FIJI, escogida debido a su amplio uso y aceptación por parte de los biólogos. Esta herramienta permite el seguimiento de las células en el proceso de regeneración y cuenta con los detectores de bordes Laplaciano de Gaussiano (LOG) y Diferencia de Gaussianos (DOG). Aunque estas técnicas presentan buenos resultados, no permiten la detección de todas las células y detecta un alto número de falsos positivos. En este trabajo, se implementarán otras técnicas de detección de bordes basadas en máscaras de convolución como el operador de Shen - Castan y técnicas de detección óptima como el detector de Deriche. Los resultados son evaluados y comparados para encontrar las técnicas que permiten obtener los mejores resultados.The biological mechanism by which some animals have the ability to regenerate parts of their bodies is currently unknown. Recently, the crustacean Parhyale Hawaiensis has been proposed as a model for this type of study, which is capable of regenerating an amputated limb in approximately one week, and which, given its small size and transparency of its body, allows the visualization of cells by 4D confocal microscopy images, facilitating the monitoring of cell regeneration over time, in order to understand this mechanism. However, given the high number of images, noise level and number of cells, the process of manually monitoring the progenitor cells in the limb over time is an extremely complex, heavy and difficult task. Therefore, it is necessary to develop improved techniques that facilitate this task. In the Lún seedbed, an investigation called “development of live image processing techniques to reveal the progenitors and cell dynamics of limb regeneration” is being carried out, seeking a solution to this problem. As part of this project, in this work several edge detection methods are implemented and evaluated, in order to find the best solution that can be used for the subsequent monitoring of cells. The techniques will be implemented as part of the TrackMate tool developed for FIJI open access software, chosen due to its wide use and acceptance by biologists. This tool allows the monitoring of cells in the regeneration process and has the Gaussian Laplacian (LOG) and Gaussian Difference (DOG) edge detectors. Although these techniques show good results, they do not allow the detection of all cells and detect a high number of false positives. In this work, other edge detection techniques based on convolution masks such as the Shen-Castan operator, and optimal detection techniques such as the Deriche detector will be implemented. The results are evaluated and compared to find the techniques that allow obtaining the best results.PregradoIngeniero ElectrónicoDedicatoria.....3 Agradecimientos.....4 Resumen.....5 Abstract.....6 Descripción del problema y justificación.....7 Tabla de contenido.....9 Lista de figuras.....11 Lista de tablas.....13 Glosario.....15 Introducción.....17 Objetivo general.....21 1 Estado del arte.....22 1.1 Detección de bordes.....22 1.2 Seguimiento de células vivas.....23 1.3 TrackMate.....23 2. Marco teórico.....24 2.1 Filtro pasa altos.....24 2.2 Función Gaussiana.....25 2.3 Método Laplaciano.....26 2.4 Laplaciano de Gauss.....29 2.5 Diferencia de Gaussianas.....29 2.6 Método de Sobel y Feldman.....30 2.7 Método de Canny.....31 2.8 Método de Deriche.....33 2.9 Método de Shen y Castan.....35 3 Desarrollo.....37 3.1 Análisis y descripción de los códigos.....37 3.2 Imágenes de microscopía.....40 4. Resultados.....41 4.1 Variación de los parámetros del detector Laplaciano de Gaussiano.....41 4.2 Variación de los parámetros del detector Diferencia de Gaussiano.....48 4.3 Variación de los parámetros del detector Laplaciano de Deriche.....53 4.4 Variación de los parámetros de ejecución Shen y Castan.....57 4.5 Análisis de los resultados obtenidos con los operadores LoG, Dog, Deriche y,Shen y Castan.....62 Conclusiones.....68 Perspectivas.... 69 Anexos.....70 Anexo A: Resultados método de Deriche.....70 Anexo B: Resultados método de Shen y Castan.....82 Anexo C: Proceso de instalación.....94 Bibliografía.....103108 páginasapplication/pdfRodríguez Montenegro, L.H.(2023).Evaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocal.[Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/4828https://hdl.handle.net/20.500.12313/4828spaUniversidad de IbaguéIngenieríaIbaguéIngeniería ElectrónicaDennis A. Sun, Nipam H. Patel. (2019, mayo 11). The amphipod crustacean Parhyale hawaiensis: An emerging comparative model of arthropod development, evolution, and regeneration. https://doi.org/10.1002/wdev.355Tinevez, JY. Perry, N. Schindelin, J. (2017). TrackMate: una plataforma abierta y extensible para el seguimiento de partículas individuales.M.E. Tanenbaum, L.A. Gilbert, L.S. Qi, J.S. Weissman, R.D. Vale. (2014). A protein- tagging system for signal amplification in gene expression and fluorescence imaging.M.F. Mossuto, S. Sannino, D. Mazza, C. Fagioli, M. Vitale, E.D. Yoboue, R. Sitia, T. Anelli. (2014). A dynamic study of protein secretion and aggregation in the secretory pathway.A. Reversat, M.I. Yuseff, D. Lankar, O. Malbec, D. Obino, M. Maurin, N.V. Penmatcha, A. Amoroso, L. Sengmanivong, G.G. Gundersen, I. Mellman, F. Darchen, C. Desnos, P. Pierobon, A.M. Lennon-Duménil. (2015). Polarity protein Par3 controls B-cell receptor dynamics and antigen extraction at the immune synapse.S. Gluska, M. Chein, N. Rotem, A. Ionescu, E. Perlson. (2016). Tracking Quantum-Dot labeled neurotropic factors transport along primary neuronal axons in compartmental microfluidic chambers, Methods Cell.P. Denninger, A. Bleckmann, A. Lausser, F. Vogler, T. Ott, D.W. Ehrhardt, W.B. Frommer, S. Sprunck, T. Dresselhaus, G. Grossmann. (2014). Male-female communication triggers calcium signatures during fertilization in Arabidopsis.B. Sporsheim, A. Øverby, A.M. Bones. (2015). Allyl isothiocyanate inhibits actin- dependent intracellular transport in Arabidopsis thaliana.M.S. Minns, G. Teicher, C.B. Rich, V. Trinkaus-Randall. (2017). Purinoreceptor P2X7 regulation of Ca(2+) mobilization and cytoskeletal rearrangement is required for corneal reepithelialization after injury.S.C. Chew, S.A. Rice, S. Kjelleberg, L. Yang. (2015). In situ mapping of the mechanical properties of biofilms by particle-tracking microrheology.K.A. Mosiewicz, L. Kolb, A.J. van der Vlies, M.P. Lutolf. (2014). Microscale patterning of hydrogel stiffness through light-triggered uncaging of thiols.A. Pauli, M.L. Norris, E. Valen, G.L. Chew, J.A. Gagnon, S. Zimmerman, A. Mitchell, J. Ma, J. Dubrulle, D. Reyon, S.Q. Tsai, J.K. Joung, A. Saghatelian, A.F. Schier. (2014). Toddler: an embryonic signal that promotes cell movement via Apelin receptors.K. Campbell, J. Casanova. (2015). A role for E-cadherin in ensuring cohesive migration of a heterogeneous population of non-epithelial cells.B. Spiesschaert, B. Goldenbogen, S. Taferner, M. Schade, M. Mahmoud, E. Klipp, N. Osterrieder, W. Azab. (2015). Role of gB and pUS3 in equine herpesvirus 1 transfer between peripheral blood mononuclear cells and endothelial cells: a dynamic in vitro model.P. Schattling, B. Thingholm, B. Städler. (2015). Enhanced diffusion of glucose-fueled Janus particles.A.H. Chen, A. Robinson-Mosher, D.F. Savage, P.A. Silver, J.K. Polka. (2013). The bacterial carbon-fixing organelle is formed by shell envelopment of preassembled cargo.R. Müller, O. Stranik, F. Schlenk, S. Werner, D. Malsch, D. Fischer, W. Fritzsche. (2015). Optical detection of nanoparticle agglomeration in a living system under the influence of a magnetic field.K.G. Bondoc, J. Heuschele, J. Gillard, W. Vyverman, G. Pohnert. (2016). Selective silicate-directed motility in diatoms.C. Noble, N. Smulders, N.H. Green, R. Lewis, M.J. Carré, S.E. Franklin, S. MacNeil, Z.A. Taylor. (2016). Creating a model of diseased artery damage and failure from healthy porcine aorta.Hocenski, Z.,Vasilic, S. & Hocenski V. (2006). Improved Canny edge detector in ceramic tiles defect detection. IEEE Industrial Electronics.Ersoy, O. (1987). Fast Algorithms and Architectures for SignaL/Image Processing and Understanding in Intelligent Automation Systems. In Microcomputer application in process control: selected papers from the IFAC symposium.Ali, M. & Clausi, D. (2001). Using the Canny edge detector for feature extraction and enhancement of remote sensing images. Geoscience and Remote Sensing Symposium.Zhang, L., Qiu, B., Yu, X., & Xu, J. (2015). Multi-scale hybrid saliency analysis for region of interest detection in very high resolution remote sensing images. Image and Vision Computing.Lee, K.K., Cham, W.K. & Chen Q.R. (2002). Chin contour estimation using modified Canny edge detector. Control, Automation, Robotics and Vision.Zhang, L., Tjondronegoro, D., & Chandran, V. (2014). Random Gabor based templates for facial expression recognition in images with facial occlusion. Neurocomputing.Pirzada, S.J.H., & Siddiqui, A. (2013). Analysis of edge detection algorithms for feature extraction in satellite images. Space Science and Communication (IconSpace).Pirzada, S.J.H., & Siddiqui, A. (2013). Analysis of edge detection algorithms for feature extraction in satellite images. Space Science and Communication (IconSpace).Bao, C. & Sheng, C. (2013). A parameterized logarithmic image processing method based on Laplacian of Gaussian filtering for lung nodules enhancement in chest radiographs. Instrumentation and Measurement, Sensor Network and Automation (IMSNA), 2013 2nd International Symposium on. IEEE.G. Papari, N. Petkov. (2011). Edge and line oriented contour detection: State of the art, Image and Vision Computing. http://dx.doi.org/10.1016/j.imavis.2010.08.009Hao Xiao, Yanming Fan, Zhang Zhang, Xin Cheng. (2019). A Fast and Accurate Edge Detection Algorithm for Real-Time Deep-Space Autonomous Optical Navigation. 10th IEEE International Conference Technology and Applications (IDAACS).Junfei Shi, Haiyan Jin, Zhaolin Xiao. (2020). A Novel Hybrid Edge Detection Method for Polarimetric SAR Images. IEEE Access.Irmawati, Basari, Dadang Gunawan. (2019). Automated Detection of Human Blastocyst Quality Using Convolutional Neural Network and Edge Detector. 1st (ICORIS).Beien Wang, Rob Kreuger, Jan Huizenga, Freek J. Beekman, Marlies C. Goorden. (2020). Experimental Validation of a Gamma Detector With a Novel Light-Guide-PMT Geometry to Reduce Dead Edge Effects. IEEE Transactions on Radiation and Plasma Medical Sciences.Ufuk Tanyeri, Mahmut Kilicaslan, Recep Demirci. (2019). Canny Edge Detector with Half Entropy. 3rd (ISMSIT).Yang Liu, Zongwu Xie, Hong Liu. (2019). Fast and robust ellipse detector based on edge following method. IET Image Processing.Bing Bai, Fang Yang, Li Chai. (2019). Point Flow Edge Detection Method Based on Phase Congruency. Chinese Automation Congress (CAC).M. Saya Nandini Devi, S. Santhi. (2019). Improved Edge Detection Methods in OCT Images using a Hybrid Framework based on CGWO Algorithm. (ICCSP).Min Sun Lee, Joshua W. Cates, Craig S. Levin. (2019). High-resolution PET detector with 100 ps coincidence time resolution using side-by-side phoswich design. IEEE (NSS/MIC).JiaQiang Zhong, Wen Zhang, Wei Miao, Dong Liu, Zheng Wang, Wen-Ying Duan, Feng Wu, Kun Zhang, Qijun Yao, Sheng-Cai Shi, Ming-Jye Wang, François Pajot. (2019). Fast-Response Superconducting Titanium Bolometric Detectors. IEEE Transactions on Applied Superconductivity.Saket Bhardwaj, Ajay Mittal. (2012). A Survey on Various Edge Detector Techniques, Procedia TechnologyS. Annadurai, R. shanmugalakshmi. (2007). Fundamentals of Digital Image Processing.Diego González Aguilera. Procesamiento de imágenes.Irwin Sobel. (2014). Historia y definición del operador de Sobel.John Canny. (1983, June). Finding edges and lines in images.John Canny. (1983). A variational approach to edge detection.John Canny. (1986, November). A computational approach to edge detection. http://dx.doi.org/10.1109/TPAMI.1986.4767851Rafael Grompone von Gioi, Gregory Randall. (2017). A Sub-Pixel Edge Detector: an Implementation of the Canny/Devernay Algorithm. https://doi.org/10.5201/ipol.2017.216M. Forero. (2002). Introducción al procesamiento digital de imágenes.Noor Elaiza Abdul Khalid, Noorhayati Mohamed Noor, Mohd Ashri Abu Hassan, Asmah Ibrahim. (2008, September). Evaluation of Sobel, Canny, Shen & Castan Using Sample Line Histogram Method. https://www.researchgate.net/publication/4376583info:eu-repo/semantics/closedAccesshttp://purl.org/coar/access_right/c_14cbAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)https://creativecommons.org/licenses/by-nc/4.0/Microscopía confocal - ImágenesCelulas progenitorasProcesamiento de imágenesDetección de bordesSuavizadoPluginParalelizaciónParhyale HawaiensisImage processingEdge detectionSmoothingPluginParallelizationParhyale hawaiensisEvaluación de técnicas de detección de bordes para el seguimiento de células progenitoras e imágenes de microscopía confocalTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionPublicationORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf5634327https://repositorio.unibague.edu.co/bitstreams/2ba68fdf-2285-4313-a9c9-4f0d1354db04/downloadb5311fb3df91c65af251bdda01189556MD51Anexos.zipAnexos.zipapplication/zip95990368https://repositorio.unibague.edu.co/bitstreams/cfea75ca-14ca-4103-890a-dcbbae20a2df/download1d87b77888fbf175382343b8eb367137MD53Formato de autorización.pdfFormato de autorización.pdfapplication/pdf220969https://repositorio.unibague.edu.co/bitstreams/e8e6036f-8268-43a7-8f18-3d6799fde3ea/download6849a4436ee7f5e1de5dd0c49bf24e48MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-8134https://repositorio.unibague.edu.co/bitstreams/55118d17-8819-4a12-a086-bfb754411ef4/download2fa3e590786b9c0f3ceba1b9656b7ac3MD54TEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain102833https://repositorio.unibague.edu.co/bitstreams/3276dc33-a8dd-4196-9285-a3156b2750f7/download8d1b9f86f47f59fd073b0b3c9d3e8b57MD59Formato de autorización.pdf.txtFormato de autorización.pdf.txtExtracted texttext/plain3217https://repositorio.unibague.edu.co/bitstreams/dcc2f34f-977b-4ee9-8927-d385575c046d/download5a803b0e2b34da73483fd9bec1a66771MD511THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgIM Thumbnailimage/jpeg8950https://repositorio.unibague.edu.co/bitstreams/e22a025f-6256-477d-abe3-8f4a22d91013/download0b32af6bdaf75598891f9ee84a6a3a37MD510Formato de autorización.pdf.jpgFormato de autorización.pdf.jpgIM Thumbnailimage/jpeg22351https://repositorio.unibague.edu.co/bitstreams/d4c8788a-7bfc-4b4f-9c8f-1671a796c390/download2d7ae64129b9f6d4d1e7ea99212a74ceMD51220.500.12313/4828oai:repositorio.unibague.edu.co:20.500.12313/48282025-08-13 01:04:38.547https://creativecommons.org/licenses/by-nc/4.0/https://repositorio.unibague.edu.coRepositorio Institucional Universidad de Ibaguébdigital@metabiblioteca.comQ3JlYXRpdmUgQ29tbW9ucyBBdHRyaWJ1dGlvbi1Ob25Db21tZXJjaWFsLU5vRGVyaXZhdGl2ZXMgNC4wIEludGVybmF0aW9uYWwgTGljZW5zZQ0KaHR0cHM6Ly9jcmVhdGl2ZWNvbW1vbnMub3JnL2xpY2Vuc2VzL2J5LW5jLW5kLzQuMC8=

Publicaciones similares