TUD Logo

TUD Startseite » ... » Ergebnisse studentischer Arbeiten » Große Belege » Matthias Dodt, Carsten Barkow

Computergraphik

Belegarbeit von Matthias Dodt und Carsten Barkow

Unschärfenbasierte Segmentierung von Tomogrammdaten

Betreuer: Prof. Dr. Gumhold, Dr. Brox, Quentin de Robillard (MPI Dresen)
Verantwortlicher Hochschullehrer: Prof. Dr. Gumhold, Dr. Brox

Motivation

Mit Hilfe der Elektronenmikroskopie werden am Max-Planck-Institut für molekulare Zellbiologie und Genetik die genauen Vorgänge bei der Zellteilung untersucht. Dabei ist zu berücksichtigen, dass bei der Aufnahme von Bilddaten durch ein Elektronenmikroskop die Proben verschiedenen Prozesseinflüssen unterliegen und verformt werden. Die Folge ist das Entstehen von Bilddaten mit unterschiedlicher lokaler Entropie. Geringe Entropie wird später als Unschärfe, bis hin zu einem verwaschenen Grau in den einzelnen Tomogrammen erkennbar. Werden nun diese Tomogramme zu einem großen Volumen zusammengeführt, so werden unscharfe Regionen an den ehemaligen Nahtstellen sichtbar, da sich die Tomogramme an den Rändern verformt haben. Diese sind nicht nur störend für den Betrachter, sondern verhindern vor allem das Ausführen verschiedener Segmentierungsalgorithmen, da eigentlich zusammengehörige Strukturen durch unscharfe Regionen voneinander getrennt sind.

Beschreibung

In der Arbeit werden nach einer Einführung in die Problematik der Segmentierung zunächst verschiedene Segmentierungsverfahren vorgestellt und mit einander verglichen. Anschließend wird das vielversprechendste Verfahren auf den 3D Fall adaptiert und weiter verfeinert, um effizient bei großen Datenmengen zu bleiben. Die vorgestellten Methoden und Konzepte wurden in einer Software umgesetzt, die Ergebnisse der Segmentierung abschließend mit handsegmentierten Volumina verglichen und bewertet.

Team

  • Carsten Barkow
  • Matthias Dodt

Ergebnisse

Segmentierung mit kleinen Masken und großem Glattheitsterm
Segmentierung mit kleinen Masken und großem Glattheitsterm
Segmentierung mit kleinen Masken und gering gewichtetem Glattheitsterm
Segmentierung mit kleinen Masken und gering gewichtetem Glattheitsterm
Geglättete Ergebnisoberfläche
Geglättete Ergebnisoberfläche
Originaldaten mit unscharfen Regionen
Originaldaten mit unscharfen Regionen
       
Vertikale Segmentierungsgrenze
Vertikale Segmentierungsgrenze
Vergleich mit manuell segmentierten Referenzdaten
Vergleich mit manuell segmentierten Referenzdaten
GUI, Ansicht Volumeslicer mit Varianzdaten
GUI, Ansicht Volumeslicer mit Varianzdaten
GUI, Ansicht Volumeslicer mit Originaldaten
GUI, Ansicht Volumeslicer mit Originaldaten

Ausblick

Das Ergebnis dieser Arbeit zeigt eine gute Qualität und lässt das eigentliche Ziel des Projekts am MPI, die Zusammenführung mehrerer Voxelvolumina, ein Stück näher rücken. Der nächste Schritt, die Rückdeformation der Bilddaten, kann auf Basis der gewonnenen Segmentierung erfolgen.


 

Download

Achtung: Zur Compilierung des Programmes werden die Bibliotheken OpenCV, Boost und VTK benötigt!

Stand: 1.2.2010, 14:40 Uhr
Autor: Corina Weissbach