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 data sets in the terabyte-range, however, can hardly be analyzed manually and require an extensive use of automated image analysis. The present work 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.


Volltext §
DOI: 10.5445/KSP/1000060221
Die gedruckte Version dieser Publikation können Sie hier kaufen.
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Angewandte Informatik (IAI)
Publikationstyp Hochschulschrift
Publikationsjahr 2017
Sprache Englisch
Identifikator ISBN: 978-3-7315-0590-7
urn:nbn:de:0072-602213
KITopen-ID: 1000060221
HGF-Programm 47.01.02 (POF III, LK 01) Biol.Netzwerke u.Synth.Regulat. IAI
Verlag KIT Scientific Publishing
Umfang XII, 243 S.
Art der Arbeit Dissertation
Prüfungsdaten 03.06.2016
Schlagwörter 3D Bildanalyse, Entwicklungsbiologie, Algorithmen, Data Mining, Software, 3D Image Analysis, Developmental Biology, Algorithms, Data Mining, Software
Relationen in KITopen
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page