相关实验视频
Updated: Jun 21, 2025

11:59
Competitive Genomic Screens of Barcoded Yeast Libraries
Published on: August 11, 2011
18.3K
微阵列图像对比增强和网格使用遗传算法
Nayyer Mostaghim Bakhshayesh1, Mousa Shamsi1, Faegheh Golabi2
1Faculty of Biomedical Engineering, Sahand University of Technology, Tabriz, Iran.
Journal of medical signals and sensors
|July 12, 2024
概括
这项研究通过改善对比度和减少预处理中的噪声来增强微阵列图像分析. 拟议的遗传算法方法超过了准确的基因表达数据的现有技术.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 微阵列分析使用DNA和RNA研究量化基因表达.
- 该过程涉及样本处理,通过图像处理提取数据,以及数据分析.
- 微阵列图像分析 (MAI) 需要预处理,网格,细分和强度量化.
研究的目的:
- 改进微阵列图像分析的预处理阶段.
- 为了增强图像对比度和消除噪声,以获得更好的基因表达数据.
- 评估拟议的对比度增强 (CE) 方法的有效性.
主要方法:
- 这项研究重点关注MAI的预处理阶段.
- 一个遗传算法用于对比度增强.
- 用于消除噪音的形态操作应用.
- 对补充性脱氧核糖核酸MAI进行格式化,以评估CE影响.
主要成果:
- 提出的基于遗传算法的CE方法显著改善了图像对比度.
- 该方法在自适应式直方体平衡 (AHE) 和多分解式直方体平衡 (M-DHE) 上表现出优势.
- 例如:对比度从3.24增加到42.91,而不是13.48 (AHE) 和32.40 (M-DHE).
结论:
- 拟议的方法有效地增强了微阵列图像预处理.
- 在三个数据库的性能评估中,为特定数据集确定了最佳的CE方法.
- 这些发现有助于更准确的基因表达识别.

