BMC生物信息学S今天推出了最新的文章收藏，重点是生物图像信息学。

由Ivo Sbalzarini，Pavel Tomancak和Hanchuan Peng编辑，BMC生物信息学（（艾伦脑科学研究所，美国西雅图），这个主题系列重点介绍了生物图像的计算分析，管理，可视化和采矿的新兴领域的最新发展。伴随着评论彭（Peng）强调了计算神经科学中的主要问题，以及基于生物图像信息学，尤其是自动化图像计算的潜在解决方案的建议。

该系列中的几篇文章提出了用于检测细胞核的新型​​分割方法（Azuma和Onami， 和Buggenthin等。，，，，Navlakha等。， 和Song等。），确定细胞形态（Du等。），并鉴定基因敲低细胞形态（Failmezger等。），从显微镜和延时图像。

模式识别也是两篇文章的重点，包括用于基于模式识别的生物图像分类和注释工具（BioCAT），以基于模式识别的生物图像分类2D和3D图像。周等人。，以及全自动3D面部图像映射方法，由Guo等。，这可以对人面部形态的广泛变异进行高通量捕获和分析。所有这些文章和更多文章都可以在系列主页上阅读。

新文章将连续添加到文章集合。请使用下面的“评论”选项加入讨论。

代表Tam Sneddon发表