Cursos de Análisis de imagen en Houston

Esta capacitación en línea dirigida por un instructor en Houston (en línea o en el sitio) está dirigida a investigadores y profesionales de laboratorio de nivel principiante a intermedio que desean procesar y analizar imágenes relacionadas con tejidos histológicos, células sanguíneas, algas y otras muestras biológicas.

Al final de esta capacitación, los participantes podrán:

• Navegar por la interfaz de Fiji y utilizar las funciones principales de ImageJ.
• Preprocesar y mejorar imágenes científicas para un mejor análisis.
• Analizar imágenes de manera quantitativa, incluida la contagem de células y la medición de áreas.
• Automatizar tareas repetitivas usando macros y complementos.
• Personalizar flujos de trabajo para necesidades específicas de análisis de imágenes en investigación biológica.

Fiji es un paquete de procesamiento de imágenes de código abierto que agrupa ImageJ (un programa de procesamiento de imágenes para imágenes multidimensionales científicas) y una serie de complementos para el análisis de imágenes científicas.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar la distribución Fiji y su programa ImageJ subyacente para crear una aplicación de análisis de imágenes.

Al final de esta formación, los participantes serán capaces de:

• Utilice las funciones de programación avanzadas y los componentes de software de Fiji para ampliar ImageJ
• Unir imágenes 3D de gran tamaño a partir de mosaicos superpuestos
• Actualización automática de una instalación de Fiji al iniciarse mediante el sistema de actualización integrado
• Seleccione entre una amplia selección de lenguajes de scripting para crear soluciones de análisis de imágenes personalizadas
• Utilice las potentes bibliotecas de Fiji, como ImgLib, en grandes conjuntos de datos de bioimágenes
• Implemente su aplicación y colabore con otros científicos en proyectos similares

Formato del curso

• Charla y discusión interactiva.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

Pattern Matching es una técnica utilizada para localizar patrones específicos dentro de una imagen. Se puede utilizar para determinar la existencia de características especificadas dentro de una imagen capturada, por ejemplo, la etiqueta esperada en un producto defectuoso en una línea de fábrica o las dimensiones especificadas de un componente. Es diferente de "Pattern Recognition" (que reconoce patrones generales basados en colecciones más grandes de muestras relacionadas) en que dicta específicamente lo que estamos buscando, y luego nos dice si el patrón esperado existe o no.

Formato del curso

• Este curso presenta los enfoques, tecnologías y algoritmos utilizados en el campo de la coincidencia de patrones en su aplicación a Machine Vision.

Scilab es un lenguaje de alto nivel bien desarrollado, gratuito y de código abierto para la manipulación de datos científicos. Utilizado para estadísticas, gráficos y animación, simulación, procesamiento de señales, física, optimización y más, su estructura de datos central es la matriz, lo que simplifica muchos tipos de problemas en comparación con alternativas como FORTRAN y derivados de C. Es compatible con lenguajes como C, Java y Python, por lo que es adecuado para su uso como complemento de los sistemas existentes.

En esta capacitación dirigida por un instructor, los participantes aprenderán las ventajas de Scilab en comparación con alternativas como Matlab, los conceptos básicos de la sintaxis Scilab, así como algunas funciones avanzadas, y la interfaz con otros lenguajes ampliamente utilizados, según la demanda. El curso concluirá con un breve proyecto centrado en el procesamiento de imágenes.

Al final de esta formación, los participantes tendrán una comprensión de las funciones básicas y algunas funciones avanzadas de Scilab, y tendrán los recursos para seguir ampliando sus conocimientos.

Audiencia

• Científicos e ingenieros de datos, especialmente con interés en el procesamiento de imágenes y el reconocimiento facial

Formato del curso

• Parte conferencia, parte discusión, ejercicios y práctica intensiva, con un proyecto final