Directly to content
  1. Publishing |
  2. Search |
  3. Browse |
  4. Recent items rss |
  5. Open Access |
  6. Jur. Issues |
  7. DeutschClear Cookie - decide language by browser settings

Image Analysis for the Life Sciences - Computer-assisted Tumor Diagnostics and Digital Embryomics

Kaster, Frederik Orlando

German Title: Bildanalyse für die Lebenswissenschaften - Rechnerunterstützte Tumordiagnostik und Digitale Embryomik

[img]
Preview
PDF, English Print-on-Demand-Kopie (epubli)
Download (4056Kb) | Lizenz: Print on Demand

Citation of documents: Please do not cite the URL that is displayed in your browser location input, instead use the persistent URL or the URN below, as we can guarantee their long-time accessibility.

Abstract

Current research in the life sciences involves the analysis of such a huge amount of image data that automatization is required. This thesis presents several ways how pattern recognition techniques may contribute to improved tumor diagnostics and to the elucidation of vertebrate embryonic development. Chapter 1 studies an approach for exploiting spatial context for the improved estimation of metabolite concentrations from magnetic resonance spectroscopy imaging (MRSI) data with the aim of more robust tumor detection, and compares against a novel alternative. Chapter 2 describes a software library for training, testing and validating classification algorithms that estimate tumor probability based on MRSI. It allows flexible adaptation towards changed experimental conditions, classifier comparison and quality control without need for expertise in pattern recognition. Chapter 3 studies several models for learning tumor classifiers that allow for the common unreliability of human segmentations. For the first time, models are used for this task that additionally employ the objective image information. Chapter 4 encompasses two contributions to an image analysis pipeline for automatically reconstructing zebrafish embryonic development based on time-resolved microscopy: Two approaches for nucleus segmentation are experimentally compared, and a procedure for tracking nuclei over time is presented and evaluated.

Translation of abstract (German)

Die moderne lebenswissenschaftliche Forschung erfordert die Analyse einer derart großen Menge von Bilddaten, dass sie nur noch automatisiert bewältigt werden kann. Diese Arbeit stellt einige Möglichkeiten vor, wie automatische Mustererkennungsverfahren zu verbesserter Tumordiagnostik und zur Entschlüsselung der Embryonalentwicklung von Wirbeltieren beitragen können. Kapitel 1 untersucht einen Ansatz, wie räumliche Kontextinformation zur verbesserten Schätzung von Metabolitenkonzentrationen aus Magnetresonanzspektroskopiebildgebungs-(MRSI-)Daten zwecks robusterer Tumorerkennung verwendet werden kann, und vergleicht diesen mit einem neuen Alternativverfahren. Kapitel 2 beschreibt eine Softwarebibliothek zum Training, Testen und Validieren von Klassifikationsalgorithmen zur Schätzung von Tumorwahrscheinlichkeiten an Hand von MRSI-Daten. Diese ermöglicht die Anpassung an geänderte experimentelle Bedingungen, den Vergleich verschiedener Klassifikatoren sowie Qualitätskontrolle: dafür ist kein Expertenwissen aus der Mustererkennung mehr erforderlich. Kapitel 3 untersucht verschiedene Modelle zum Lernen von Tumorklassifikatoren unter Berücksichtigung der in der Praxis häufig auftretenden Unzuverlässigkeit menschlicher Segmentierungen. Zum ersten Mal werden Modelle für diese Klassifikationsaufgabe verwendet, welche zusätzlich die objektive Information aus den Bildmerkmalen nutzen. Kapitel 4 enthalt zwei Beiträge zu einem Bildanalysesystem für die automatisierte Rekonstruktion der Entwicklung von Zebrabärbling-Embryonen an Hand von zeitaufgelösten Mikroskopiebildern: Zwei Verfahren zur Zellkernsegmentierung werden experimentell verglichen, und ein Verfahren zur Verfolgung von Zellkernen über die Zeit wird vorgestellt und ausgewertet.

Item Type: Dissertation
Supervisor: Hamprecht, Prof. Dr. Fred A.
Date of thesis defense: 11. May 2011
Date Deposited: 24. May 2011 15:14
Date: 2011
Faculties / Institutes: Service facilities > Interdisciplinary Center for Scientific Computing
Subjects: 530 Physics
Controlled Keywords: Mehrdimensionale Bildverarbeitung, Bildverarbeitung, Hirntumor, Fluoreszenzmikroskopie, Bildsegmentierung, NMR-Spektroskopie, NMR-Tomographie
Uncontrolled Keywords: multidimensional image processing, image segmentation, brain tumors, fluorescence microscopy, embryology
About | FAQ | Contact | Imprint |
OA-LogoLogo der Open-Archives-Initiative