Cursos de Image Analysis em Gaia

Este treinamento ao vivo conduzido por instrutor em Gaia (no local ou remoto) é destinado a pesquisadores de nível iniciante a intermediário e profissionais de laboratório que desejam processar e analisar imagens relacionadas a tecidos histológicos, células sanguíneas, algas e outras amostras biológicas. No final desta formação, os participantes serão capazes de:

• Navegar na interface Fiji e utilizar as funções principais do ImageJ.
• Pré-processar e melhorar imagens científicas para uma melhor análise.
• Analisar imagens quantitativamente, incluindo contagem de células e medição de áreas.
• Automatizar tarefas repetitivas utilizando macros e plug-ins.
• Personalize fluxos de trabalho para necessidades específicas de análise de imagens na investigação biológica.

O Fiji é um pacote de processamento de imagens de código aberto que agrupa o ImageJ (um programa de processamento de imagens para imagens multidimensionais científicas) e vários plugins para análise de imagens científicas. Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como usar a distribuição Fiji e seu programa ImageJ subjacente para criar um aplicativo de análise de imagem. Ao final deste treinamento, os participantes serão capazes de:

• Usar os recursos avançados de programação e os componentes de software do Fiji para estender o ImageJ
• costurar grandes imagens 3d a partir de telhas sobrepostas
• Atualizar automaticamente uma instalação do Fiji na inicialização usando o sistema de atualização integrado
• Selecionar de entre uma vasta seleção de linguagens de scripting para criar soluções de análise de imagem personalizadas
• Utilizar as poderosas bibliotecas do Fiji, como a ImgLib, em grandes conjuntos de dados de bioimagens
• Implementar a sua aplicação e colaborar com outros cientistas em projectos semelhantes

Formato do curso

• Palestra interactiva e discussão.
• Muitos exercícios e prática.
• Implementação prática num ambiente de laboratório ao vivo.

Opções de personalização do curso

• Para solicitar uma formação personalizada para este curso, por favor contacte-nos para combinar.

Pattern Matching é uma técnica utilizada para localizar padrões específicos numa imagem. Pode ser utilizada para determinar a existência de caraterísticas específicas numa imagem capturada, por exemplo, a etiqueta esperada num produto defeituoso numa linha de produção ou as dimensões especificadas de um componente. É diferente de "Pattern Recognition" (que reconhece padrões gerais com base em colecções maiores de amostras relacionadas) na medida em que dita especificamente o que estamos à procura e depois diz-nos se o padrão esperado existe ou não. Formato do curso

• Este curso apresenta as abordagens, tecnologias e algoritmos utilizados no campo da correspondência de padrões, uma vez que se aplica a Machine Vision.

Scilab é uma linguagem de alto nível bem desenvolvida, gratuita e de código aberto para a manipulação de dados científicos. Utilizada em estatística, gráficos e animação, simulação, processamento de sinais, física, otimização, etc., a sua estrutura de dados central é a matriz, simplificando muitos tipos de problemas em comparação com alternativas como FORTRAN e derivados de C. É compatível com linguagens como C, Java e Python, tornando-o adequado para uso como um complemento aos sistemas existentes. Nesta formação conduzida por um instrutor, os participantes aprenderão as vantagens do Scilab em comparação com alternativas como o Matlab, as noções básicas da sintaxe do Scilab, bem como algumas funções avançadas, e a interface com outras linguagens amplamente utilizadas, dependendo da procura. O curso será concluído com um breve projeto centrado no processamento de imagens. No final desta formação, os participantes terão uma noção das funções básicas e de algumas funções avançadas da Scilab, e terão os recursos para continuar a expandir os seus conhecimentos. Público-alvo

• Cientistas e engenheiros de dados, especialmente com interesse em processamento de imagens e reconhecimento facial

Formato do curso

• Parte palestra, parte discussão, exercícios e prática intensiva, com um projeto final