Bildanalys: En bild säger mer än 1000 ord
Datoriserad bildanalys handlar om att utveckla beräkningsmetoder för att extrahera meningsfull information från bilder - främst från digitala bilder - med hjälp av digitala bildbehandlingstekniker, inklusive neurala nätverk och artificiell intelligens (AI).
Beskrivning
Vi utvecklar teori, metoder, algoritmer och system för att besvara frågor som rör biovetenskap, medicin, digital humaniora och andra områden där avbildande system kan användas för samla information. Detta inkluderar identifiering av objekt, extrahering av mätningar och beslutsfattande baserat på bilddata. Många metoder är gemensamma för ett brett spektrum av tillämpningar. Listan över forskningsämnen nedan är därför relaterad till flera av våra forskargrupper och projekt.
Forskningsämnen
Under årens lopp har allt mer av forskningen inom bildanalys kommit att handla om utveckling och tillämpning av modell- och inlärningsbaserade metoder, även kallat artificiell intelligens (AI). Många traditionella metoder är fortfarande kraftfulla och utvecklas vidare, ofta som komplement till AI-metoder.
- Bildrekonstruktion och brusningreduktion inkluderar metoder för att förbättra kvaliteten på bilddata.
- Bildregistrering tar upp metoder för att beräkningsmässigt anpassa bilddata som samlats in t.ex. vid olika tidpunkter eller med olika avbildningsmodaliteter.
- Digital geometri fokuserar på att härleda geometrisk information från digitala bilder, med hänsyn till begränsningarna för diskreta representationer.
- Objektdetektering kan i stora drag innefatta både avgränsning och klassificering av objekt och bilder.
- Egenskapsberäkning inkluderar metoder för att extrahera mått (så som färg och form) och andra egenskaper från objekt eller områden av intresse i bilder, relevanta för den efterföljande analysen.
- Bildförståelse är det yttersta målet för bildbehandling och analys, och ger tolkning av informationen i bilddata.
- Visualisering är vilken teknik som helst för att skapa bilder, diagram eller animationer för att kommunicera ett budskap - göra det osynliga av vetenskapliga data synligt.
- End-to-end bildanalys föreslår djupinlärningsbaserade metoder optimerade för att direkt tolka bilddata som matas in i systemet, utan att utföra några mellansteg.
Seniora forskare
- Professor Ida-Maria Sintorn Avdelningsföreståndare, Vi3
- Forskare Amin Allalou
- Bioinformatiker Christophe Avenel
- Professor emeritus Ewert Bengtsson
- Professor emerita Gunilla Borgefors
- Professor Orcun Göksel (se även hans hemsida)
- Professor Anders Hast (se även hans hemsida)
- Bioinformatiker Anna Klemm
- Bioinformatiker Kristina Lidayová
- Professor Joakim Lindblad (se även hans hemsida)
- Universitetslektor Filip Malmberg
- Professor Ingela Nyström (se även hennes hemsida)
- Applikationsexpert Nikita Singh
- Bioinformatician Suganya Sivagurunathan
- Professor Nataša Sladoje
- Professor Robin Strand (se även hans hemsida)
- Bioinformatiker Jonas Windhager
- Professor Carolina Wählby
Forskningspriser
1st Prize of the AI Sweden and AstraZeneca Adipocyte Cell Imaging Challenge to the HASTE team
Utbildning
Masterprogram i Bildanalys och maskininlärning
- 1MD110: Introduktion till bildanalys (10 hp)
- 1MD042: Avancerad djupinlärning för bildbehandling (5 hp)
- 1MD041: Digitala bildalstrande system (5 hp)
- 1TD396: Datoriserad bildanalys I (5 hp)
- 1TD389: Vetenskaplig visualisering (5 hp)
- 1TD388: Datorgrafik (10 hp)
- 1MD026: Medicinsk informatik (5 hp) (grundnivå)
- 1MD030: Medicinsk informatik (5 hp) (avancerad nivå)
- 1MD036: Projekt i mjukvaruutveckling inom bildanalys och maskininlärning (15 hp)
- 1MD038: Examensarbete E i bildanalys och maskininlärning (30 hp)