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

A Deconvolution Framework with Applications in Medical and Biological Imaging

Remmele, Steffen

German Title: Ein Entfaltungsframework mit Anwendungen in medizinischer und biologischer Bildgebung

[img]
Preview
PDF, English Print-on-Demand-Kopie (epubli)
Download (20Mb) | 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

A deconvolution framework is presented in this thesis and applied to several problems in medical and biological imaging. The framework is designed to contain state of the art deconvolution methods, to be easily expandable and to combine different components arbitrarily. Deconvolution is an inverse problem and in order to cope with its ill-posed nature, suitable regularization techniques and additional restrictions are required. A main objective of deconvolution methods is to restore degraded images acquired by fluorescence microscopy which has become an important tool in biological and medical sciences. Fluorescence microscopy images are degraded by out-of-focus blurring and noise and the deconvolution algorithms to restore these images are usually called deblurring methods. Many deblurring methods were proposed to restore these images in the last decade which are part of the deconvolution framework. In addition, existing deblurring techniques are improved and new components for the deconvolution framework are developed. A considerable improvement could be obtained by combining a state of the art regularization technique with an additional non-negativity constraint. A real biological screen analysing a specific protein in human cells is presented and shows the need to analyse structural information of fluorescence images. Such an analysis requires a good image quality which is the aim of the deblurring methods if the required image quality is not given. For a reliable understanding of cells and cellular processes, high resolution 3D images of the investigated cells are necessary. However, the ability of fluorescence microscopes to image a cell in 3D is limited since the resolution along the optical axis is by a factor of three worse than the transversal resolution. Standard microscopy image deblurring techniques are able to improve the resolution but the problem of a lower resolution in direction along the optical axis remains. It is however possible to overcome this problem using Axial Tomography providing tilted views of the object by rotating it under the microscope. The rotated images contain additional information about the objects which can be used to improve the resolution along the optical axis. In this thesis, a sophisticated method to reconstruct a high resolution Axial Tomography image on basis of the developed deblurring methods is presented. The deconvolution methods are also used to reconstruct the dose distribution in proton therapy on basis of measured PET images. Positron emitters are activated by proton beams but a PET image is not directly proportional to the delivered radiation dose distribution. A PET signal can be predicted by a convolution of the planned dose with specific filter functions. In this thesis, a dose reconstruction method based on PET images which reverses the convolution approach is presented and the potential to reconstruct the actually delivered dose distribution from measured PET images is investigated. Last but not least, a new denoising method using higher-order statistic information of a given Gaussian noise signal is presented and compared to state of the art denoising methods.

Translation of abstract (German)

In dieser Arbeit wird ein Framework an Entfaltungsverfahren vorgestellt und auf ver-schie-dene Probleme in der medizinischen und biologischen Bildgebung angewendet. Das Framework, welches Methoden des aktuellen Standes der Technik enthält, wurde entworfen, um leicht erweiterbar zu sein. Des Weiteren bietet es die Möglichkeit, ver-schie-dene Komponenten beliebig zu kombinieren. Entfaltung ist ein inverses Problem und um mit der schlecht gestellten Natur dieses Problems zurecht zu kommen, sind geeignete Re-gu-lari-sier-ungs-ver-fahren sowie zusätzliche Beschränkungen erforderlich. Ein Hauptziel der Entfaltungsmethoden ist die Wiederherstellung von verschmierten und verrauschten Bildern, die mittels Fluoreszenzmikroskopie aufgenommen wurden. Durch Entfaltung sollen die Bilder wiederhergestellt werden. Viele solcher Verfahren wurden in den letzten Jahren entwickelt. Zusätzlich wurden bereits bestehende Techniken verbessert und neue Komponenten für das Framework entwickelt. Es ließ sich eine beachtliche Verbesserung erzielen, indem ein Regularisierungs-ver-fahren mit einer zusätzlichen Einschränkung auf nicht negative Werte kombiniert wurde. Eine biologische Untersuchungsreihe, die ein spezielles Protein in menschlichen Zellen untersucht, wird vor-ge-stellt und zeigt die Notwendigkeit, strukturelle Informationen in Fluoreszenzbildern zu analysieren. Für eine solche Analyse ist eine gute Bildqualität erforderlich. Sollte die geforderte Bildqualität nicht gegeben sein, kann diese durch die Entfaltungsmethoden ermöglicht werden. Für ein zuverlässiges Verständnis von Prozessen in Zellen werden hoch aufgelöste 3D Bilder der untersuchten Zellen benötigt. Die Fähigkeiten von Fluoreszenzmikroskopen Bilder in 3D aufzunehmen sind jedoch eingeschränkt, da die Auflösung entlang der optischen Achse um einen Faktor drei schlechter ist als in die anderen beiden Dimensionen des Bildes. Entfaltungsverfahren sind zwar in der Lage, die Auflösung der Bilder zu verbessern, aber das Problem der schlechteren Auflösung in Richtung der optischen Achse wird dadurch nicht gelöst. Es ist möglich, dieses Problem mittels axialer Tomographie zu überwinden, in dem das Objekt unter dem Mikroskop rotiert und aus verschiedenen Blickwinkeln aufgenommen wird. Die so entstandenen Bilder enthalten zusätzlichen Informationen, die in einem neuen hochentwickelten Verfahren dazu verwendet werden, die Auflösung entlang der optischen Achse zu verbessern. Dieses neue Verfahren basiert auf den Entfaltungsmethoden. Die Entfaltungsmethoden werden auch dazu verwendet, die Dosisverteilung in der Protonentherapie auf Basis von PET Bildern zu rekonstruieren. Ein bei der Protonenbestrahlung entstandenes PET Signal kann durch eine Faltung der geplanten Dosis mit einer speziellen Filterfunktion vorhergesagt werden. Eine Entfaltung des PET Signals erlaubt wiederum die Rekonstruktion der Dosis und bietet somit die Möglichkeiten, die tatsächlich abgegebene Dosis anhand von gemessenen PET Daten zu rekonstruieren. Abschließend wird ein neues Entrauschungsverfahren vorgestellt, das statistische Informationen höherer Ordnung für ein gegebenes Gausssches Rauschsignal verwendet.

Item Type: Dissertation
Supervisor: Hesser, Prof. Dr. Jürgen
Date of thesis defense: 20 June 2012
Date Deposited: 22 Jun 2012 07:40
Date: 2011
Faculties / Institutes: The Faculty of Mathematics and Computer Science > Department of Computer Science
Subjects: 004 Data processing Computer science
Uncontrolled Keywords: Computer Science , Image Processing , Deblurring , Medical Physics
About | FAQ | Contact | Imprint |
OA-LogoLogo der Open-Archives-Initiative