KIT | KIT-Bibliothek | Impressum | Datenschutz

New Methods to Improve Large-Scale Microscopy Image Analysis with Prior Knowledge and Uncertainty

Stegmaier, Johannes

Abstract (englisch):
Multidimensional imaging techniques provide powerful ways to examine various kinds of scientific questions. The routinely produced datasets in the terabyte-range, however, can hardly be analyzed manually and require an extensive use of automated image analysis. The present thesis introduces a new concept for the estimation and propagation of uncertainty involved in image analysis operators and new segmentation algorithms that are suitable for terabyte-scale analyses of 3D+t microscopy images.

Open Access Logo


Volltext §
DOI: 10.5445/IR/1000057821
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Angewandte Informatik (IAI)
Publikationstyp Hochschulschrift
Publikationsjahr 2016
Sprache Englisch
Identifikator urn:nbn:de:swb:90-578219
KITopen-ID: 1000057821
HGF-Programm 47.01.02 (POF III, LK 01)
Biol.Netzwerke u.Synth.Regulat. IAI
Verlag KIT, Karlsruhe
Umfang XI, 218 S.
Art der Arbeit Dissertation
Fakultät Fakultät für Maschinenbau (MACH)
Institut Institut für Angewandte Informatik (IAI)
Prüfungsdaten 03.06.2016
Referent/Betreuer Prof. R. Mikut
Schlagwörter 3D Image Analysis, Developmental Biology, Algorithms, Data Mining, Software
Relationen in KITopen
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page