Tecnica del banco de niebla

Como dice la palabra, se trata de posponer la respuesta que vamos a dar a la persona que nos critica, hasta que nos sintamos más tranquilos y capaces de responder de forma correcta. Es muy útil cuando la crítica es muy directa y ofensiva, cuando te hacen sentir presionado para responder. Esta técnica se puede combinar con las dos anteriores de disco rayado y banco de niebla.

Dos no discutirán si uno no quiere. Ejemplo: Otro: Si quieres, te compro el teléfono nuevo y te lo compro ahora. ¡Hay una oferta muy buena ahora mismo en Ofertas de Amazon!

Tú: ¿Ah, sí? Me parece interesante, pero tengo que pensarlo mejor antes de decidir si cambio el teléfono o no. Otro: ¡Ya lo sabrás!

Pero, la oferta termina en unas horas. Tú: Si no te digo que la oferta no es buena, pero me lo pienso y esta semana lo pienso y te lo digo. Otro: La oferta se acabará en algún momento.

Tú: Pues te lo digo en los próximos días y si no es esa oferta seguro que hay otras. Es una técnica similar al banco de niebla, pero va un poco más allá. No se trata sólo de ceder el terreno sin más comentarios sino que intentamos dejar claro que una cosa es que haya habido un error y otra la valoración general que se hace de nuestra persona.

Ejemplo: Otro: ¡Nunca vienes conmigo a ver el fútbol! Tú: Tienes razón en que no voy, pero es porque coincido con el trabajo. Cuando no coincido siempre intento ir.

La separación de las células táctiles en las imágenes de microscopía es fundamental para el recuento, la identificación y la medición de las células individuales. Los métodos de segmentación basados en cuencas morfológicas son el estado actual de la técnica para la separación de células. Sin embargo, la sobre-segmentación de las cuencas morfológicas es un problema importante debido al alto nivel de ruido en las imágenes celulares de microscopía.

Presentamos un nuevo método de segmentación denominado FogBank que separa con precisión las células cuando son confluentes y se tocan entre sí. La figura 1 ilustra los resultados de la segmentación para un conjunto de parámetros algorítmicos. Esta técnica se ha aplicado con éxito a imágenes de microscopía de contraste de fase, de campo claro y de fluorescencia, así como a imágenes binarias.

El método FogBank se basa en los principios morfológicos de las cuencas hidrográficas con dos nuevas características para mejorar la precisión de los métodos de segmentación relacionados. En primer lugar, para eliminar el ruido de la intensidad de los píxeles que provoca la sobresegmentación, nuestro nuevo método utiliza el binning de histogramas para cuantificar las intensidades de los píxeles o los gradientes de intensidad de los píxeles. Hacemos crecer las cuencas en incrementos de múltiples intensidades de píxeles en lugar de intensidades únicas.

En segundo lugar, nuestro método utiliza una máscara de distancia geodésica derivada de las imágenes en bruto para incorporar las formas de las celdas individuales, en contraste con los bordes de las celdas más lineales que producen otros algoritmos similares a las cuencas. La técnica de segmentación está totalmente automatizada y no requiere ninguna siembra manual de regiones. Se trata de una herramienta de código abierto que se puede descargar gratuitamente.

Esta técnica se ha desarrollado en Matlab, cuyo código fuente se puede descargar junto con un ejecutable compilado. El artículo: J.Chalfoun y otros, Fog Bank: A Single Cell Segmentation across Multiple Cell Lines and Image Modalities, BMC BioInformatics, 2014 descargar pdf ver artículo Presentamos un nuevo método de segmentación automatizado llamado FogBank que separa con precisión las células cuando son confluentes y se tocan entre sí. Esta técnica se aplica con éxito a imágenes de contraste de fase, campo brillante, microscopía de fluorescencia y binarias.

El método se basa en los principios morfológicos de las cuencas hidrográficas con dos nuevas características para mejorar la precisión y minimizar la sobresegmentación. En primer lugar, FogBank utiliza el binning del histograma para cuantificar las intensidades de los píxeles, lo que minimiza el ruido de la imagen que provoca la sobresegmentación. En segundo lugar, FogBank utiliza una máscara de distancia geodésica derivada de las imágenes sin procesar para detectar las formas de las células individuales, en contraste con los bordes de las células más lineales que producen otros algoritmos tipo cuenca.

Evaluamos la precisión de la segmentación frente a conjuntos de datos segmentados manualmente utilizando dos métricas. FogBank logró una precisión de segmentación del orden de 0,75 1 siendo una coincidencia perfecta. Comparamos nuestro método con otras técnicas de segmentación disponibles en términos de rendimiento alcanzado sobre los conjuntos de datos de referencia.

FogBank superó a todos los algoritmos relacionados. La precisión también se ha verificado visualmente en conjuntos de datos con 14 líneas celulares a través de 3 modalidades de imagen que conducen a 876 imágenes de evaluación de la segmentación. FogBank produce una segmentación de células individuales a partir de láminas de células confluentes con una gran precisión.

Puede aplicarse a imágenes de microscopía de múltiples líneas celulares y a una variedad de modalidades de imagen. El código para el método de segmentación está disponible como código abierto e incluye una interfaz gráfica de usuario para una ejecución fácil de usar.