Procesamiento de Imágenes para Biología y Medicina (PIMBIO) es un curso dirigido a investigadores y estudiantes de las áreas de ciencias de la vida (carreras en biología, medicina, bioquímica, biología humana, etc.) que se interesen por el procesamiento de imágenes por computadora. Están invitados también estudiantes de ingeniería u otras carreras universitarias que se interesen por el tema.
En PIMBIO se introducen los conceptos principales del procesamiento de imágenes por computadora con especial énfasis en su aplicación de ciencias de la vida como ser imágenes de microscopía. Se abarcan los distintos aspectos de un área muy extensa de manera de dejar claros los conceptos generales subyacentes y abrir la puerta a un estudio más detallado por parte del estudiante. Al finalizar el curso el estudiante comprenderá los fundamentos del procesamiento de imágenes por computadora, tendrá experiencia en el uso de software que implementa algoritmos de procesamiento de imágenes y podrá encarar proyectos de aplicación en esta área, en diálogo con personal más experimentado.
Modalidad de enseñanza
PIMBIO tiene una fuerte componente de actividad práctica de los estudiantes, entendemos que fundamental para lograr los objetivos del curso. Las clases son de cuatro horas con un corte a la mitad. Es usual que tenga una parte «teórica» de presentación del tema y su componente práctica.
Tenemos tres formas de dictarlo variando el número de semanas. Al mismo tiempo varía su temario y la cantidad de horas de práctica.
- PIMBIO: dictado durante seis semanas, con tres clases de 4 horas por semana,
- PIMBIOs: dictado durante dos semanas, con cinco clases de 4 horas por semana,
- PIMBIOx: dictado durante una semana, con cinco clases de 8 horas por semana.
Temario
- Introducción. Procesamiento de imágenes: problemas y aplicaciones. Relaciones con disciplinas vecinas. Pasos fundamentales en el procesamiento de imágenes: Esquema general de un sistema de visión por computador.
- Representación y visualización de imágenes. Arreglos de datos multidimensionales. Imágenes vectoriales. Discretización espacio-temporal. Cuantificación. Visualización de imágenes 2D, 3D, 3D+t. Formatos de almacenamiento.
- Introducción a ImageJ/Fiji. Presentación del software ImageJ/Fiji. Comandos y operaciones. Manejo de memoria. Operaciones sobre imágenes, filtrado, regiones de interés, macros, plugins. Otras aplicaciones similares (Icy) y complementarias (Omero).
- Adquisición y formación de imágenes. Relación con el modelo de la visión humana. Modelo de color. Modelo de ruido. Concepto de Apertura. Relación con la resolución. Formación de imagen en microscopio óptico, de fluorescencia y confocal. OTF/PSF.
- Histogramas y operaciones de píxeles. Histogramas, operaciones con histogramas, ecualización de histograma, modificación brillo y contraste, cuantificación, umbralización global y local.
- Sistemas lineales y filtrado de señales. Filtros lineales, convolución. Filtros no lineales. Filtros en el espacio y en frecuencia. Difusión isotrópica y anisotrópica.
- Análisis frecuencial. Teoría de Fourier. Descomposición en senos y cosenos. FFT. Transformada de Fourier. Propiedades. Ancho de banda. Módulo y fase. Teorema de convolución. Filtrado en el espacio y en frecuencia.
- Restauración de ruido y degradaciones. Modelo de la degradación: desenfoque, borroneo, ruido. Métodos de restauración. Filtro adaptivo. Filtro inverso. Medidas de desempeño.
- Segmentación. Detección de discontinuidades vs regularidades. Detección de bordes, detección de líneas, detección de regiones. Morfología matemática. Watershed. Contornos activos.
- Análisis de formas. Análisis de objetos detectados en imágenes. Factor de forma. Medidas geométricas Medidas estadísticas.
- Análisis de imágenes a color y textura. Teoría del color. Espacios de representación de color. Texturas estructural y estadísticas. Métricas para texturas.
- Conceptos básicos de Aprendizaje Automático para clasificación de texturas.
- Seguimiento de objetos en secuencias. Seguimiento de objetos (células, spots) en secuencias de imágenes y videos.
- Super-resolución. Criterios de resolución. Influencia de la PSF. Técnicas modernas de nanoscopía. Métodos basados en luz estructurada (SIM). Métodos basados en depleción de fluorescencia (STED). Métodos estocásticos (PALM, STORM, SOFI). Método Mean-Shift Super Resolution (MSSR).
- Macros en ImageJ/Fiji. Registro y ejecución de secuencias de comandos (macros). Modificación de macros. Ejecución en lotes (batch processing).
- Buenas prácticas en el uso de imágenes en publicaciones.
- Ejemplos y aplicaciones.
¿Cuándo se dictó?
El curso se dictó en 2016, 2017, 2018, 2021, 2022 y 2024s (en su versión de dos semanas).
¿Cuándo se dicta nuevamente?
El curso no tiene una periodicidad definida; buscamos que se repita al menos cada dos años. Si estás interesado en saber cuándo se dictará o coordinar para el dictado del curso en tu institución ponete en contacto por email y no te olvides de registrarte en nuestra lista de novedades.