Objekt-Metadaten
Ein Hochdurchsatz-Screeningsystem zur Objekterkennung in Mikroskop-Farbbildern im Rahmen der Analyse pflanzlicher Pathogenresistenz

Autor :Alexander Ihlow
Herkunft :OvGU Magdeburg, Fakultät für Elektrotechnik und Informationstechnik
Datum :23.06.2006
 
Dokumente :
Dataobject from HALCoRe_document_00006458
aleihlow.pdf ( 37065  kB)    ZIP generieren   Details >>
 
Typ :Dissertation
Format :Text
Kurzfassung :Die vorliegende Dissertation beschreibt die ingenieurtechnische Entwicklung eines Hochdurchsatz-Screeningsystems zur bildbasierten Analyse von Mikroskoppräparaten als Automatisierung bis dato manuell durchgeführter Auswertungen. Technische Voraussetzung ist ein computergesteuertes motorisiertes Mikroskop mit Digitalkamera, welches hochaufgelöste und rauscharme Farbbilder des zu analysierenden Probenmaterials bereitstellt. In den Bildern finden sich grünbläulich gefärbte Zellen der oberen Epidermis von Gerstenblättern, welche mittels labortechnischer Präparation einer genetischen Transformation unterzogen wurden. Biologischer Hintergrund der vorgelegten Arbeit ist die Erlangung von Erkenntnissen zur Rolle bestimmter Gene der Pflanze bezüglich einer Resistenz gegen Mehltau. Dazu ist in den zu untersuchenden Zellen die Existenz des Mehltaupilzes in Form so genannter Haustorien zu detektieren und die Zelle den Klassen "infiziert" (ein Haustorium oder mehrere Haustorien vorhanden) bzw. "nicht infiziert" (kein Haustorium vorhanden) zuzuordnen. Auf Basis des Bunttons werden die gefärbten, genetisch transformierten Zellen mittels des Canny-Kantendetektors zunächst grob segmentiert (Finden relevanter Bildausschnitte), anschließend erfolgt eine Verfeinerung der Segmentierung im betrachteten Bildausschnitt unter Zuhilfenahme eines aktiven Konturmodells, welches sich anhand der mittels eines adaptiven Farbraums bestimmten Bildmerkmale um die zu untersuchende Zelle legt. Die anschließende Kontrastverstärkung mittels morphologischer Zylinderhuttransformationen ermöglicht eine robuste Segmentierung potenzieller Haustorienregionen innerhalb der Zelle. Zur Zurückweisung von Störungen, welche aufgrund des schwachen Farbkontrasts zwischen Zellgewebe und Haustorium sowie potenziell vorhandener Störobjekte innerhalb der Zelle auftreten, wird anschließend eine objektbasierte Klassifikation durchgeführt, die das segmentierte Objekt den Klassen "Haustorium" bzw. "kein Haustorium" zuweist. Mittels der verwendeten Formmerkmale wird eine Korrektklassifikationsrate von mehr als 90% erreicht, was eine hinreichend exakte Erstellung einer Statistik des haustoriellen Anfälligkeitsindex der Zellen und damit die Beantwortung der biologischen Fragestellung ermöglicht. Die besondere Herausforderung der Arbeit bestand darin, sowohl allgemeine menschliche Erkennungs- und Kognitionsleistung als auch biologisches Expertenwissen in das System zu integrieren und dabei eine Flexibilität zu gewährleisten, die eine Adaption an ähnliche Fragestellungen ermöglicht. Zusammen mit der implementierten vollautomatischen Ablaufsteuerung für die mikroskopseitige Bildaufnahme ergibt dies ein Laborassistenzsystem, welches dem Experimentator sehr zeitaufwändige Routineaufgaben abnimmt und ihm ein objektives Werkzeug zur Verfügung stellt, das u.a. durch Anbindung an eine Datenbank eine Dokumentation und Reproduzierbarkeit der Ergebnisse ermöglicht.
Schlagwörter :Farbbildverarbeitung, Mustererkennung, maschinelles Sehen, Anwendung
Rechte :Dieses Dokument ist urheberrechtlich geschützt.
Größe :XX, 136 S.
 
Erstellt am :31.03.2009 - 05:30:26
Letzte Änderung :22.04.2010 - 09:34:32
MyCoRe ID :HALCoRe_document_00006458
Statische URL :http://edoc.bibliothek.uni-halle.de/servlets/DocumentServlet?id=6458