Resumen

Este artículo presenta un nuevo método para la detección de objetos salientes en imágenes de la naturaleza mediante la simulación de microsacadas en movimientos oculares de fijación. El método propuesto es adecuado para segmentar células nucleadas, ya que éstas suelen estar manchadas, lo que resulta evidente. En primer lugar, se utiliza el método de predicción de fijación existente para producir un área de fijación inicial. A continuación, EPELM (ensemble of polyharmonic extreme learning machine) se entrena en línea mediante el muestreo de píxeles del área de fijación y no fijación. A continuación, el modelo EPELM se utiliza para clasificar los píxeles de la imagen y formar una nueva área de fijación binaria. En función del área de fijación actualizada, el procedimiento de "muestreo de píxeles-aprendizaje-clasificación" podría realizarse de forma iterativa. Si el área de fijación binaria anterior y la última eran lo suficientemente similares en la iteración, indica que la percepción está saturada y el bucle debe terminarse. La salida binaria en la iteración podría considerarse un tipo de estimulación visual. Así, las múltiples salidas de los estímulos visuales pueden acumularse para formar un nuevo mapa de saliencia. Los experimentos con tres bases de datos de imágenes demuestran la validez de nuestro método. Puede segmentar células nucleadas con éxito en diferentes condiciones de imagen.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:célula nucleada, nueva área de fijación binaria, máquina de aprendizaje extremo poliarmónica, área de fijación binaria anterior, diferentes condiciones de imagen, método de predicción de fijación, movimientos oculares de fijación, área de fijación inicial, nuevo mapa de saliencia, detección de objetos salientes
• Keywords:nucleated cell, new binary fixation area, polyharmonic extreme learning machine, previous binary fixation area, different imaging conditions, fixation prediction method, fixational eye movements, initial fixation area, new saliency map, salient object detection