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

Interactive Similarity Analysis for 3D+t Cell Trajectory Data

Fangerau, Jens

German Title: Interaktive Ähnlichkeitsanalyse von 3D+t Zelltrajektoriendaten

[img]
Preview
PDF, English
Download (64MB) | Lizenz: Print on Demand

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

Abstract

Recent data acquisition techniques permit an improved analysis of living organisms. These techniques produce 3D+t information of cell developments in unprecedentedly high resolution. Biologists have a strong desire to analyze these cell evolutions in order to find similarities in their migration and division behaviors. The exploration of such patterns helps them in understanding how cells and hence organisms are able to ensure a regular shape development. However, the enormous size of the time-dependent data with several tens of thousands of cells and the need to analyze it in 3D hinder an interactive analysis. Visualizing the data to identify and extract relevant features provides a solution to this problem. For this, new visualization approaches are required that reduce the complexity of the data to detect important features in the visual analysis.

In this thesis, novel visual similarity analysis methods are presented to interactively process very large 3D+t data of cell developments. Three main methods are developed that allow different visual analysis strategies. The usefulness of them is demonstrated by applications to cells from zebrafish embryos and Arabidopsis thaliana plants. Both data sets feature a high regularity in the shape formation of the organs and domain experts seek to research similar cell behaviors that are responsible for this development. For example, the identification of 3D division behaviors in plants is still an unresolved issue. The first method is a novel visualization approach that can automatically classify cell division types in plant data sets with high memory and time efficiency. The visualization is based on the generation of newly introduced cell isosurfaces that allow a quantitative and spatial comparison of cell division behaviors among individual plants. The method is applied to cells of the lateral root of Arabidopsis plants and reveals similar division schemes with respect to their temporal order. The second method enables a new visual similarity analysis for arbitrary 3D trajectory data in order to extract similar movement behaviors. The algorithm performs a grouping of thousands of trajectories with an optional level of detail modification. The clustering is based on a newly weighted combination of geometry and migratory features for which the weights are used to emphasize feature combinations. As a result, similar collective cell movements in zebrafish as well as a hitherto unknown correlation between division types and subsequent nuclei migrations in the Arabidopsis plants are detected. The third method is a novel visualization technique called the structure map. It permits a compact and interactive similarity analysis of thousands of binary tree structures. Unique trees are pre-ordered in the map based on spectral similarities and substructures are highlighted according to user-selected tree descriptors. Applied to cell developments from zebrafish depicted as trees, the map achieves compression rates up to 95% according to spectral analysis and facilitates an immediate identification of biologically implausible events and outliers. Additionally, similar quantities of feature appearances are detected in the center of the lateral root of several Arabidopsis plants.

Translation of abstract (German)

Moderne Datenaufnahmetechniken erlauben eine verbesserte Analyse von lebenden Organismen. Diese Techniken liefern 3D+t Informationen von Zellentwicklungen in bisher unerreicht hoher Auflösung. Es ist Biologen ein großes Anliegen, diese Zellevolutionen zu analysieren, um Ähnlichkeiten in deren Bewegungs- und Teilungsverhalten zu finden. Die Untersuchung von solchen Mustern hilft ihnen zu verstehen, wie Zellen und demzufolge Organismen fähig sind, eine Regelmäßigkeit in ihrer Strukturbildung zu gewährleisten. Allerdings erschweren die enorme Größe der zeitabhängigen Daten von mehreren zehntausenden Zellen und die Notwendigkeit, eine Analyse in 3D durchzuführen, eine interaktive Analyse. Die Visualisierung von Daten, um relevante Eigenschaften erkennen und extrahieren zu können, ist eine Lösung für dieses Problem. Dafür werden neue Visualisierungsansätze gebraucht, die die Datenkomplexität verringern, um wichtige Merkmale in der visuellen Analyse erfassen zu können.

In dieser Doktorarbeit werden neuartige visuelle Ähnlichkeitsmethoden vorgestellt, um sehr große 3D+t Zellentwicklungsdaten interaktiv verarbeiten zu können. Hierzu werden drei Methoden vorgestellt, die verschiedene visuelle Untersuchungsarten unterstützen. Der Nutzen dieser Methoden wird anhand von Analysen auf Zelldaten von Zebrafisch-Embryos und Arabidopsis thaliana Pflanzen demonstriert. Beide Datensätze weisen eine hohe Regularität bei der Organbildung auf und Fachexperten streben nach der Erforschung von ähnlichem Zellverhalten, das für diese Entwicklung verantwortlich ist. Zum Beispiel ist die Identifikation von dreidimensionalem Teilungsverhalten in Pflanzen noch immer ein ungelöstes Problem. Die erste Methode ist ein neuartiger speicher- und zeiteffizienter Visualisierungsansatz, der eine automatische Klassifikation von Zellteilungstypen in Pflanzendaten ermöglicht. Hierfür werden sogenannte Zellisoflächen eingeführt, die einen quantitativen und räumlichen Vergleich von Zellteilungsverhalten in Pflanzen zulassen. Diese Methode wird auf Zellen der Arabidopsis Pflanze bei der Entwicklung der Seitenwurzel angewandt und führt zu Erkenntnissen über Regelmäßigkeiten bezüglich der zeitlichen Abfolge von Zellteilungen. Die zweite Methode ermöglicht eine neue Ähnlichkeitsanalyse von beliebigen 3D Trajektoriendaten, um ähnliche Bewegungsverhalten zu identifizieren. Der Algorithmus führt eine Gruppierung von tausenden von Trajektorien durch, die optional in ihrem Detailgrad angepasst werden können. Für das Clustering wird eine Kombination aus geometrischen und bewegungsbasierten Features verwendet, das eine individuelle Gewichtung von Featurekombinationen erlaubt. So lassen sich ähnliche kollektive Zellbewegungen im Zebrafisch sowie eine bisher unbekannte Korrelation zwischen Zellteilungstypen und anschließender Zellkernbewegung in Arabidopsis Pflanzen erkennen. Die dritte Methode ist eine neuartige Visualisierung, die als Strukturkarte bezeichnet wird. Diese ermöglicht eine kompakte und interaktive Ähnlichkeitsanalyse tausender Binärbaumstrukturen. Bäume werden hinsichtlich spektraler Ähnlichkeiten bezüglich ihrer Form vorsortiert und Substrukturen können vom Nutzer durch die Auswahl bestimmter Baumdeskriptoren ermittelt und hervorgehoben werden. Angewandt auf als Bäume dargestellte Zellentwicklungen vom Zebrafisch erzielt die Strukturkartenmethode Kompressionsraten von bis zu 95% bezüglich der Spektralanalyse und sie unterstützt das mühelose Auffinden von biologisch unglaubwürdigen Ereignissen und Ausreißern. Zusätzlich werden durch Anwendung der Methode ähnliche Quantitäten an Featurevorkommen im Zentrum der Seitenwurzel mehrerer Arabidopsis Pflanzen entdeckt.

Item Type: Dissertation
Supervisor: Leitte, Prof. Dr. Heike
Place of Publication: Heidelberg
Date of thesis defense: 23 January 2015
Date Deposited: 11 Feb 2015 14:05
Date: 2015
Faculties / Institutes: The Faculty of Mathematics and Computer Science > Dean's Office of The Faculty of Mathematics and Computer Science
Subjects: 004 Data processing Computer science
500 Natural sciences and mathematics
About | FAQ | Contact | Imprint |
OA-LogoDINI certificate 2013Logo der Open-Archives-Initiative