认知网络技术

认知网络技术（CNT），也被称为Definiens认知网络技术，是一种基于对象的图像分析方法，由诺贝尔奖获得者GerdBinnig与德国慕尼黑DefiniensAG的研究团队共同开发。它用于利用图像对象（像素组）的层次结构从图像中提取信息，与传统的像素处理方法相反。

为了模仿人类大脑的认知能力，Definiens使用了获得专利的图像分割和分类过程，并开发了一种在语义网络中呈现知识的方法。

CNT不是孤立地检查像素，而是在背景中检查。它迭代地建立起一幅图片，将像素组识别为物体。

它使用物体的颜色、形状、纹理和大小以及它们的背景和关系来得出结论和推论，类似于人类的分析员。

软件DefiniensTissueStudioDefiniensTissueStudio是一款基于CNT的数字病理图像分析软件。

DefiniensTissueStudio的预期用途是对经过免疫组化染色法或苏木精和伊红（H&E）处理的福尔马林固定、石蜡包埋组织样本进行生物标志物转化研究。

DefiniensTissueStudio的核心概念是一个用户界面，它有助于从数字组织病理学图像实例中进行机器学习，以得出适合在预先定义的感兴趣区域内逐个细胞和亚细胞区间测量生物标志物和/或组织学特征的图像分析方案。

得出的图像分析方案随后被自动应用于随后的数字图像，以便客观地测量定义的多参数图像特征集。

这些数据集被用于进一步了解驱动癌症和其他疾病的潜在生物过程。

图像处理和数据分析可以在本地桌面计算机工作站上进行，也可以在服务器网格上进行。

eCognitioneCognition套件提供了三个组件，可以独立使用或组合使用，以解决图像分析任务。它被用于地球科学领域，为分析遥感数据开发规则集（或应用程序）。

eCognitionArchitect使非技术用户能够配置、校准和执行在eCognitionDeveloper中创建的图像分析工作流程。

eCognitionServer软件为批量执行图像分析工作提供了一个处理环境。

eCognition软件被用于许多遥感和地理空间的应用场景和环境，使用各种数据类型。通用型，快速制图、变化检测、物体识别按环境分类。