文件名称:
基于组合聚类的cDNA微阵列图像分割方法
开发工具:
文件大小: 2mb
下载次数: 0
上传时间: 2021-03-25
详细说明：通过同时分析数千种基因表达，微阵列技术在得出有用的生物学结论中起着重要作用。 特别地，图像分析是微阵列分析中的关键步骤，其准确性在很大程度上取决于分割。 基于聚类的分割的开创性工作表明，k-means聚类算法和移动k-means聚类算法是微阵列图像处理中的两种常用方法。 然而，由于真实的微阵列图像包含大小，形状和对比度不同的噪声，伪像和斑点，因此它们通常面临令人满意的结果。 为了提高分割精度，在本文中，我们提出了一种基于组合聚类的分割方法，该方法可能更可靠并且能够自动分割斑点。 首先，这种新方法从一个非常简单但有效的对比度增强操作开始，以改善图像质量。 然后，应用基于最大类间方差的自动网格化将斑点分离为独立区域。 接下来，在每个光斑区域中，首先进行移动k均值聚类以将光斑与背景分离，然后针对无法获得整个边界的那些光斑组合k均值聚类算法。 最后，使用细化步骤来替换错误的分割和不可分割的缺失点。 此外，在来自六个不同数据集的cDNA微阵列图像上，对改进的方法与其他四种分割算法（边缘检测，阈值，k-均值聚类和移动k-均值聚类）之间进行了定量比较。 在六种不同数据集上进行的实验：1）斯坦福大学微阵列数据库（SMD），2）基因表达综合（GEO），3）贝勒医学院（BCM），4）瑞士生物信息学研究所（SIB），5）乔·德里斯（Joe DeRisi）的个人tiff文件（DeRisi）和6）加利福尼亚大学旧金山分校（UCSF）指出，改进的方法更健壮，并且对薄弱点敏感。 更重要的是，与其他四种方法相比，在存在噪声，伪影和弱表达斑点的情况下，它可以获得更高的分割精度。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
