KIT | KIT-Bibliothek | Impressum

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.

Zugehörige Institution(en) am KIT Institut für Angewandte Informatik (IAI)
Publikationstyp Hochschulschrift
Jahr 2016
Sprache Englisch
Identifikator DOI(KIT): 10.5445/IR/1000057821
URN: urn:nbn:de:swb:90-578219
KITopen ID: 1000057821
HGF-Programm 47.01.02; LK 01
Verlag 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
Bemerkung zur Veröffentlichung Lizenz: Dieses Werk ist lizenziert unter CC BY-SA 3.0 DE
URLs Verlagsausgabe
Schlagworte 3D Image Analysis, Developmental Biology, Algorithms, Data Mining, Software
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft KITopen Landing Page