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 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.


Zugehörige Institution(en) am KIT Institut für Angewandte Informatik (IAI)
Publikationstyp Hochschulschrift
Jahr 2017
Sprache Englisch
Identifikator DOI: 10.5445/KSP/1000060221
ISBN: 978-3-7315-0590-7
URN: urn:nbn:de:0072-602213
KITopen ID: 1000060221
Verlag KIT Scientific Publishing, Karlsruhe
Umfang XII, 243 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 Bildanalyse, Entwicklungsbiologie, Algorithmen, Data Mining, Software 3D Image Analysis, Developmental Biology, Algorithms, Data Mining, Software
Bestellung Die Veröffentlichung ist bei KIT Scientific Publishing erschienen.
Weitere Informationen sowie gegebenenfalls Bestellmöglichkeiten finden Sie hier.
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft KITopen Landing Page