Análisis de imágenes de ráfagas de localización de proteínas etiquetadas con GFP

Sí, Hough Transform es una forma de seleccionar las formas que le interesan, en este caso probablemente lo tengan configurado para encontrar círculos y lo usen para segmentar la imagen.

Creo que has interpretado correctamente sus métodos. Para cada celda, hacen un seguimiento de la puntuación de localización frente al tiempo, la puntuación de localización se define en unidades arbitrarias como la diferencia entre la media de los cinco píxeles más brillantes y la media de los píxeles restantes de la celda. Creo que el 20 % más bajo se refiere a los fotogramas del video que tienen el 20 % más bajo de puntajes de localización. Toman el 20 % más bajo de las puntuaciones de localización, calculan una desviación estándar y luego, para cualquier cuadro que tenga una puntuación de localización que sea más de 1 desviación estándar por encima de la media de ese 20 %, dice que el cuadro muestra un estallido de localización. Si entiendo esto correctamente, este proceso se repetiría en cada celda individual.

Mi interpretación es que el 20% no tiene nada que ver con la intensidad de la señal de los píxeles de fondo y proviene del análisis de la serie a lo largo del tiempo, no de una sola imagen.

No sé mucho sobre el procesamiento de señales, pero estoy un poco familiarizado con la inteligencia artificial. Tal vez este wiki sería útil http://en.wikipedia.org/wiki/Image_segmentation . Estoy familiarizado con el agrupamiento de k-medias discutido allí y como un método de segmentación trivial, de hecho identificaría la celda frente al fondo de la foto. La transformación de Hough sería más sofisticada y probablemente más útil para esta aplicación, pero si desea tener una idea del proceso, el algoritmo ingenuo de k-means puede ser útil.

Interpreto el "20% más bajo de los valores" para referirme a los valores de puntaje de localización, siendo los más bajos aquellos que están más oscuros en su imagen. Es decir, el fondo sobre el que se crea la imagen de la celda. El ruido de fondo se refiere al hecho de que un algoritmo de procesamiento de señales sin ningún procesamiento previo puede tratar de identificar patrones del fondo de la imagen en lugar del objeto de la célula, que es la parte que buscan los investigadores. Por eso realizan la segmentación.

Por ejemplo, imagine un algoritmo de k-vecinos más cercanos http://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm para calcular una "puntuación de localización" para el brillo de la imagen. Su artículo está interesado en la intensidad de GFP para una célula. En la imagen, los píxeles en el borde de la celda con su fondo tendrán valores de puntuación artificialmente bajos debido al fondo: los píxeles adyacentes que están en el fondo y no forman parte de la celda están oscuros, pero eso no significa nada relacionado. a la biología del problema. Este es el ruido.

Entonces, el 20% más bajo de los valores debería referirse a una sola imagen, no a una serie a lo largo del tiempo.