Image Analysis Formazione in Torino

Questa formazione dal vivo con istruttore in Torino (online o in loco) è rivolta a ricercatori e professionisti di laboratorio di livello principiante o intermedio che desiderano elaborare e analizzare immagini relative a tessuti istologici, cellule del sangue, alghe e altri campioni biologici. Al termine di questa formazione, i partecipanti saranno in grado di:

• Esplora l'interfaccia Fiji e utilizza le funzioni principali di ImageJ.
• Preelaborare e migliorare le immagini scientifiche per un'analisi migliore.
• Analizzare le immagini in modo quantitativo, includendo il conteggio delle cellule e la misurazione dell'area.
• Automatizza le attività ripetitive utilizzando macro e plugin.
• Personalizzare i flussi di lavoro per specifiche esigenze di analisi delle immagini nella ricerca biologica.

Fiji è un pacchetto di elaborazione delle immagini open source che raggruppa ImageJ (un programma di elaborazione delle immagini per immagini scientifiche multidimensionali) e una serie di plug-in per l'analisi scientifica delle immagini. In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come utilizzare la distribuzione Fiji e il relativo programma ImageJ sottostante per creare un'applicazione di analisi delle immagini. Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Utilizza le funzionalità di programmazione avanzate e i componenti software delle Fiji per estendere ImageJ
• Unisci immagini 3D di grandi dimensioni da tessere sovrapposte
• Aggiorna automaticamente un'installazione Fiji all'avvio utilizzando il sistema di aggiornamento integrato
• Scegli tra un'ampia selezione di linguaggi di scripting per creare soluzioni personalizzate per l'analisi delle immagini
• Utilizza le potenti librerie delle Fiji, come ImgLib, su set di dati di bioimmagini di grandi dimensioni
• Distribuisci la loro applicazione e collabora con altri scienziati su progetti simili

Formato del corso

• Lezione e discussione interattiva.
• Un sacco di esercizi e pratica.
• Implementazione pratica in un ambiente live-lab.

Opzioni di personalizzazione del corso

• Per richiedere una formazione personalizzata per questo corso, contattateci per l'organizzazione.

Pattern Matching è una tecnica utilizzata per localizzare modelli specifici all'interno di un'immagine. Può essere utilizzato per determinare l'esistenza di caratteristiche specificate all'interno di un'immagine acquisita, ad esempio l'etichetta prevista su un prodotto difettoso in una linea di fabbrica o le dimensioni specificate di un componente. È diverso da "Pattern Recognition" (che riconosce modelli generali basati su raccolte più ampie di campioni correlati) in quanto detta specificamente ciò che stiamo cercando, quindi ci dice se il modello atteso esiste o meno. Formato del corso

• Questo corso introduce gli approcci, le tecnologie e gli algoritmi utilizzati nel campo del pattern matching in quanto applicato a Machine Vision.

Scilab è un linguaggio di alto livello ben sviluppato, gratuito e open source per la manipolazione di dati scientifici. Utilizzato per statistica, grafica e animazione, simulazione, elaborazione del segnale, fisica, ottimizzazione e altro, la sua struttura di dati centrale è la matrice, semplificando molti tipi di problemi rispetto alle alternative come i derivati FORTRAN e C. È compatibile con linguaggi come C, Java e Python , rendendolo adatto all'uso come supplemento ai sistemi esistenti. In questa formazione guidata da istruttori, i partecipanti apprenderanno i vantaggi di Scilab rispetto alle alternative come Matlab, le basi della sintassi di Scilab e alcune funzioni avanzate e si interfacciano con altre lingue ampiamente utilizzate, a seconda della domanda. Il corso si concluderà con un breve progetto incentrato sull'elaborazione delle immagini. Al termine di questa formazione, i partecipanti avranno una comprensione delle funzioni di base e di alcune funzioni avanzate di Scilab e avranno le risorse per continuare ad espandere le proprie conoscenze. Pubblico

• Scienziati e ingegneri dei dati, con particolare interesse per l'elaborazione delle immagini e il riconoscimento facciale

Formato del corso

• Parte lezione, parte discussione, esercitazioni e pratica pratica intensiva, con un progetto finale