Web Microanalysis of Big Image Data

ویرایش: 1 
نویسندگان: Peter Bajcsy, Joe Chalfoun, Mylene Simon (auth.)  
سری:  
ISBN (شابک) : 9783319633596, 9783319633602 
ناشر: Springer International Publishing 
سال نشر: 2018 
تعداد صفحات: 211 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 9 مگابایت 

قیمت کتاب (تومان) : 40,000



این کتاب با ارائه زیربنای نظری و معماری یک خط لوله پردازش تصویر وب (WIPP) به افزایش علاقه به اجرای الگوریتم‌های پردازش میکروسکوپی روی داده‌های تصویر بزرگ می‌پردازد. روش‌های مبتنی بر نرم‌افزار و اجزای زیرساخت برای پردازش آزمایش‌های میکروسکوپ داده‌های بزرگ ارائه شده‌اند تا نشان دهند که چگونه پردازش اطلاعات تحلیل‌های تکراری، پرزحمت و خسته‌کننده را می‌توان با یک سیستم کاربر پسند خودکار کرد. تعاملات اجزای سیستم وب و تأثیر آنها بر مقیاس پذیری محاسباتی، جمع آوری اطلاعات منشأ، نمایش تعاملی، و محاسبات در یک ارائه از بالا به پایین جزئیات فنی توضیح داده شده است. میکروآنالیز وب داده های تصویر بزرگشامل توضیحاتی در مورد عملکردهای WIPP، موارد استفاده و اجزای سیستم نرم افزار وب (معماری وب سرور و سرویس گیرنده، الگوریتم ها، و وابستگی های سخت افزار-نرم افزار) می باشد.

< p>این کتاب همراه با مجموعه‌های تصاویر آزمایشی و یک سیستم نرم‌افزار تحت وب برای افزایش درک خواننده و ارائه ابزارهای عملی برای انجام آزمایش‌های تصویر بزرگ ارائه می‌شود.

با ارائه مطالب آموزشی و ابزارهای نرم‌افزاری در تقاطع تصویر میکروسکوپی. تحلیل ها و علوم محاسباتی، دانشجویان تحصیلات تکمیلی، دانشجویان فوق دکترا و دانشمندان از تجربیات عملی و همچنین بینش نظری بهره خواهند برد. علاوه بر این، این کتاب نرم‌افزار و داده‌های آزمایشی را فراهم می‌کند و دانش‌آموزان و دانشمندان را با ابزارهایی برای اکتشافات با اهمیت آماری بالاتر توانمند می‌سازد. هنگامی که آنها با اجزای پردازش تصویر وب آشنا شدند، می‌توانند نرم‌افزار موجود را به انواع جدیدی از تحلیل‌ها گسترش داده و مجدداً هدف قرار دهند.

هر فصل یک ارائه از بالا به پایین را دنبال می‌کند که با یک مقدمه کوتاه و یک مقدمه شروع می‌شود. طبقه بندی روش های مرتبط در ادامه، توضیحی از روش خاص مورد استفاده در نرم افزار همراه ارائه شده است. برای چندین موضوع، نمونه هایی از نحوه اعمال روش خاص بر روی یک مجموعه داده (پارامترها، نیازهای RAM، کارایی CPU) نشان داده شده است. برخی از نکات به عنوان پیشنهادهای عملی برای بهبود دقت یا عملکرد محاسباتی ارائه شده است.

This book looks at the increasing interest in running microscopy processing algorithms on big image data by presenting the theoretical and architectural underpinnings of a web image processing pipeline (WIPP). Software-based methods and infrastructure components for processing big data microscopy experiments are presented to demonstrate how information processing of repetitive, laborious and tedious analysis can be automated with a user-friendly system. Interactions of web system components and their impact on computational scalability, provenance information gathering, interactive display, and computing are explained in a top-down presentation of technical details. Web Microanalysis of Big Image Data includes descriptions of WIPP functionalities, use cases, and components of the web software system (web server and client architecture, algorithms, and hardware-software dependencies).

The book comes with test image collections and a web software system to increase the reader's understanding and to provide practical tools for conducting big image experiments.

By providing educational materials and software tools at the intersection of microscopy image analyses and computational science, graduate students, postdoctoral students, and scientists will benefit from the practical experiences, as well as theoretical insights. Furthermore, the book provides software and test data, empowering students and scientists with tools to make discoveries with higher statistical significance. Once they become familiar with the web image processing components, they can extend and re-purpose the existing software to new types of analyses.

Each chapter follows a top-down presentation, starting with a short introduction and a classification of related methods. Next, a description of the specific method used in accompanying software is presented. For several topics, examples of how the specific method is applied to a dataset (parameters, RAM requirements, CPU efficiency) are shown. Some tips are provided as practical suggestions to improve accuracy or computational performance.

Front Matter ....Pages i-xx
 Introduction to Big Data Microscopy Experiments  (Peter Bajcsy, Joe Chalfoun, Mylene Simon)....Pages 1-15
 Functionality of Web Image Processing Pipeline  (Peter Bajcsy, Joe Chalfoun, Mylene Simon)....Pages 17-40
 Example Use Cases  (Peter Bajcsy, Joe Chalfoun, Mylene Simon)....Pages 41-61
 Components of Web Image Processing Pipeline  (Peter Bajcsy, Joe Chalfoun, Mylene Simon)....Pages 63-104
 Image Processing Algorithms  (Peter Bajcsy, Joe Chalfoun, Mylene Simon)....Pages 105-159
 Interoperability Between Software and Hardware  (Peter Bajcsy, Joe Chalfoun, Mylene Simon)....Pages 161-194
Back Matter ....Pages 195-197