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