Local Smoothing Image Segmentation for Spotted Microarray Images
点样微阵列图像的局部平滑分割AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究生物图像分割与局部平滑，未提供对应给定经济计量领域细分的依据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
点样微阵列图像的局部平滑分割
- 研究问题
- 如何准确分离点样微阵列图像中每个斑点的前景和背景，减少图像分割误差对后续基因表达测量可靠性的影响？
- 方法与思路
- 作者提出基于局部平滑的图像分割方法，针对点样微阵列的前景与背景划分给出理论论证，并开展数值研究评价统计表现。
- 材料陈述的贡献
- 摘要称，所提分割方法具有良好的统计性质，数值研究支持其应用表现；摘要未给出具体性能指标或明确的改进幅度。
- 阅读关注点
- 应核对局部平滑如何定位边界、平滑参数如何选择，以及理论性质所需的图像条件和分割误差对表达量计算的影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；算法细节、理论条件和比较结果未说明，不能认定其在所有图像上表现更好。
原文摘要
Gene microarray data are used in a wide variety of applications, including pharmaceutical and clinical research. By comparing gene expression in normal and abnormal cells, microarrays can be used to identify genes involved in particular diseases, and these genes then can be targeted by therapeutic drugs. Most gene expression data are produced from spotted microarray images. A spotted microarray image consists of thousands of spots, with individual DNA sequences first printed at each spot and then equal amounts of probes (e.g., cDNA samples) from treatment and control cells mixed and hybridized with the printed DNA sequences. To obtain gene expression data, the image first must be segmented to separate foregrounds from backgrounds for individual spots, after which averages of foreground pixels are used to compute the gene expression data. Thus image segmentation of microarray images is directly related to the reliability of gene expression data. Several image segmentation procedures have been suggested in the literature and included in software packages handling gene microarray data. This article proposes a new image segmentation methodology based on local smoothing. Theoretical arguments and numerical studies show that it has good statistical properties and should perform well in applications.