KIT | KIT-Bibliothek | Impressum
Open Access Logo
§
Volltext
DOI: 10.5445/KSP/1000060221
Die gedruckte Version dieser Publikation können Sie hier kaufen.

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 ISBN: 978-3-7315-0590-7
URN: urn:nbn:de:0072-602213
KITopen ID: 1000060221
HGF-Programm 47.01.02; LK 01
Verlag KIT Scientific Publishing, Karlsruhe
Umfang XII, 243 S.
Abschlussart Dissertation
Prüfungsdaten 03.06.2016
Schlagworte 3D Bildanalyse, Entwicklungsbiologie, Algorithmen, Data Mining, Software 3D Image Analysis, Developmental Biology, Algorithms, Data Mining, Software
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft KITopen Landing Page