Online Image Analysis Training in Việt Nam

Khóa đào tạo trực tiếp, do giảng viên hướng dẫn này (trực tuyến hoặc tại chỗ) dành cho các nhà nghiên cứu và chuyên gia phòng thí nghiệm ở trình độ mới bắt đầu đến trung cấp, những người muốn xử lý và phân tích hình ảnh liên quan đến mô học, tế bào máu, tảo và các mẫu sinh học khác. Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Điều hướng giao diện Fiji và sử dụng các chức năng cốt lõi của ImageJ.
• Tiền xử lý và nâng cao chất lượng hình ảnh khoa học để phân tích tốt hơn.
• Phân tích hình ảnh một cách định lượng, bao gồm đếm tế bào và đo diện tích.
• Tự động hóa các tác vụ lặp đi lặp lại bằng macro và plugin.
• Tùy chỉnh quy trình làm việc cho các nhu cầu phân tích hình ảnh cụ thể trong nghiên cứu sinh học.

Fiji là một gói xử lý ảnh mã nguồn mở, bao gồm ImageJ (một chương trình xử lý ảnh cho hình ảnh đa chiều khoa học) và một số plugin để phân tích hình ảnh khoa học. Trong khóa đào tạo trực tiếp, do giảng viên hướng dẫn này, người tham gia sẽ học cách sử dụng bản phân phối Fiji và chương trình ImageJ cơ bản để tạo một ứng dụng phân tích hình ảnh. Khi kết thúc khóa đào tạo này, người tham gia sẽ có thể:

• Sử dụng các tính năng lập trình nâng cao và các thành phần phần mềm của Fiji để mở rộng ImageJ
• Ghép nối các hình ảnh 3D lớn từ các ô chồng lấp
• Tự động cập nhật cài đặt Fiji khi khởi động bằng hệ thống cập nhật tích hợp
• Chọn từ nhiều ngôn ngữ kịch bản khác nhau để xây dựng các giải pháp phân tích hình ảnh tùy chỉnh
• Sử dụng các thư viện mạnh mẽ của Fiji, chẳng hạn như ImgLib trên các tập dữ liệu bioimage lớn
• Triển khai ứng dụng của họ và cộng tác với các nhà khoa học khác trong các dự án tương tự

Định dạng khóa học

• Bài giảng và thảo luận tương tác.
• Nhiều bài tập và thực hành.
• Thực hiện trực tiếp trong môi trường phòng thí nghiệm.

Tùy chọn tùy chỉnh khóa học

• Để yêu cầu đào tạo tùy chỉnh cho khóa học này, vui lòng liên hệ với chúng tôi để sắp xếp.

Pattern Matching là một kỹ thuật được sử dụng để xác định các mẫu cụ thể trong một hình ảnh. Nó có thể được sử dụng để xác định sự tồn tại của các đặc điểm cụ thể trong một hình ảnh được chụp, ví dụ như nhãn dự kiến trên một sản phẩm bị lỗi trên dây chuyền sản xuất hoặc kích thước cụ thể của một thành phần. Nó khác với "Pattern Recognition" (nhận dạng các mẫu tổng quát dựa trên các tập hợp lớn hơn của các mẫu liên quan) ở chỗ nó đặc biệt chỉ định những gì chúng ta đang tìm kiếm, sau đó cho chúng ta biết liệu mẫu dự kiến có tồn tại hay không. Định dạng của Khóa học

Scilab là một ngôn ngữ cấp cao, được phát triển tốt, miễn phí và mã nguồn mở, dành cho việc thao tác dữ liệu khoa học. Được sử dụng cho thống kê, đồ họa và hoạt ảnh, mô phỏng, xử lý tín hiệu, vật lý, tối ưu hóa, v.v., cấu trúc dữ liệu trung tâm của nó là ma trận, đơn giản hóa nhiều loại vấn đề so với các lựa chọn thay thế như FORTRAN và các dẫn xuất của C. Nó tương thích với các ngôn ngữ như C, Java và Python, khiến nó phù hợp để sử dụng như một phần bổ sung cho các hệ thống hiện có. Trong khóa đào tạo trực tiếp do giảng viên hướng dẫn này, người tham gia sẽ tìm hiểu những ưu điểm của Scilab so với các lựa chọn thay thế như Matlab, kiến thức cơ bản về cú pháp Scilab cũng như một số hàm nâng cao và giao diện với các ngôn ngữ được sử dụng rộng rãi khác, tùy theo nhu cầu. Khóa học sẽ kết thúc với một dự án ngắn tập trung vào xử lý hình ảnh. Khi kết thúc khóa đào tạo này, người tham gia sẽ nắm vững các hàm cơ bản và một số hàm nâng cao của Scilab, đồng thời có nguồn tài liệu để tiếp tục mở rộng kiến thức của mình. Đối tượng

• Các nhà khoa học và kỹ sư dữ liệu, đặc biệt quan tâm đến xử lý hình ảnh và nhận dạng khuôn mặt

Định dạng khóa học

• Kết hợp bài giảng, thảo luận, bài tập và thực hành chuyên sâu, với một dự án cuối khóa