eprintid: 4392
rev_number: 8
eprint_status: archive
userid: 1
dir: disk0/00/00/43/92
datestamp: 2004-02-03 13:54:42
lastmod: 2014-04-03 13:35:08
status_changed: 2012-08-14 15:10:52
type: doctoralThesis
metadata_visibility: show
creators_name: Gebhard, Matthias
title: Multidimensionale Segmentierung in Bildfolgen und Quantifizierung dynamischer Prozesse
title_en: Multidimensional Segmentation in Image Sequences and Quantification of Dynamic Processes
ispublished: pub
subjects: 530
divisions: 850300
adv_faculty: af-13
cterms_swd: Bildverarbeitung
cterms_swd: Cytologie
cterms_swd: Zellteilung
abstract: Im Rahmen dieser interdisziplinären Arbeit habe ich Methoden der Bildverarbeitung  entwickelt, um reproduzierbare, quantitative Aussagen über dynamische  Phänomene zu ermöglichen. Der Anwendungsschwerpunkt liegt im Bereich von Biologie und Medizin. Die verarbeiteten Daten stammen aus konfokalen Mikroskopaufnahmen, die biologischen Strukturen wurden mit  fluoreszierenden Markern gefärbt. Aufgrund eines schlechten Signal-zu-Rausch Verhältnisses  mußte ich robuste Verfahren entwickelt. Geeignete Vorverarbeitungsschritte waren nötig um die Qualität der Bilder zu erhöhen. Ich entwickelte ein Verfahren, um sowohl 2D- als auch 3D-Objekte mit aktiven Konturen in Bildern zu segmentieren. Dabei konnte ich in 2D zeigen, daß der Bereich der Attraktion der aktiven B-spline Kontur durch ein spezielles externes Kräftefeld erhöht werden konnte. Dies stellt einen Vorteil gegenüber den bisherigen parametrischen aktiven Konturen dar, besonders dann, wenn die Initialkurve weit von dem zu segmentierenden Objekt gelegt wird. In 3D wurde von mir eine Methode vorgestellt, um mehrere Objekte separat zu segmentieren. Hier setzte ich für diesen Spezialfall der Zellteilung einen Clusteralgorithmus ein, um zuvor extrahierte Kantenpunkte den Objekten zuzuordnen. Damit konnte ich die Volumen- und Oberflächenveränderung quantifizieren. Um segmentierte Objekte in beliebigen Dimensionen über die Zeit zu verfolgen, wurde von mir ein Particle-Tracking Algorithmus auf der Grundlage einer Fuzzy-Entscheidungslogik entwickelt. Eine Reihe von Anwendungen aus der biologischen Grundlagenforschung veranschaulichen die Wirkungsweise der entwickelten Methoden.
abstract_translated_text: In this interdisciplinary work I developed digital image processing methods for quantitative analysis of dynamics. The applications focused on biology and medicine. Confocal microscopes can resolve biological structures by the use of fluorescent markers. Due to a low signal to noise ratio the processing of noise reduction techniques was an important task. I developed a segmentation method in 2D and 3D based on deformable models. In 2D, I was able to show that the attraction range of the active B-spline contour could be increased in combination with a special external field. This improvement to the classical parametric active contour is especially important when the initialization of the curve is far beyond the object. In 3D, I introduced a method for simultaneously segmenting multiple objects in one image and adapted this approach to the special case of cell division. A cluster algorithm was applied to assign the extracted edge points to the different objects. With these methods, I was able to quantify the volume and area expansion of the membrane over time. To track multiple segmented objects over time, I have developed a particle-tracking algorithm, based on a Fuzzy decision kernel. Several applications show the benefit of the developed methods.
abstract_translated_lang: eng
date: 2003
date_type: published
id_scheme: DOI
id_number: 10.11588/heidok.00004392
ppn_swb: 1643624954
own_urn: urn:nbn:de:bsz:16-opus-43923
date_accepted: 2004-01-28
advisor: HASH(0x556120ec0270)
language: ger
bibsort: GEBHARDMATMULTIDIMEN2003
full_text_status: public
citation:   Gebhard, Matthias  (2003) Multidimensionale Segmentierung in Bildfolgen und Quantifizierung dynamischer Prozesse.  [Dissertation]     
document_url: https://archiv.ub.uni-heidelberg.de/volltextserver/4392/1/Doktorarbeit.pdf