Metodo per estrarre informazioni da immagini tridimensionali individundo le proprietà generali indipendentemente dall’orientazione. L’algoritmo sviluppato permette di estrarre e classificare informazioni da qualsiasi immagine e può essere applicato nella diagnostica per immagini estraendo per esempio fature da immagini PET.
Come funziona?
L’estrazione di feature robuste da immagini è spesso influenzata da problemi di orientamento e normalizzazione che spesso compromettono la generalità e le performance del metodo utilizzato. Questi problemi diventano particolarmente rilevanti per immagini 3-D a bassa risoluzione e basso contrasto. Il metodo proposto, sviluppato e ottimizzato per immagini PET cerebrali, è uno strumento generale per la caratterizzazione automatica, la classificazione e l’ordinamento di qualsiasi tipo di immagine. Tale metodo è applicabile ad ogni set di dati omogenei che rappresentano una popolazione di oggetti descritti da una matrice di scalari n-dimensionale. ELBA, l’efficiente algoritmo alla base del metodo, è in grado di estrarre le proprietà rilevanti dall’immagine calcolando feature sulla base delle isosuperfici ed offre una valida alternativa ai metodi intensity-based.
Applicazioni
- Valutazione di PET amiloide nei trial clinici;
- Riconoscimento di supernovae (immagini astronomiche);
- Riconoscimento di oggetti;
- Caratterizzazione e classificazione di immagini (anche in serie temporali);
- Data mining;
- Miglioramento della visione notturna;
- Classificazione e monitoraggio dei nei.
Vantaggi
- Fornisce feature stabili, estraibili da qualsiasi matrice n-D;
- Approccio innovativo di visione artificiale;
- Fornisce informazioni complementari a quelle fornite da metodi standard;
- Evita la normalizzazione dell’immagine;
- Estremamente flessibile.