Bildverarbeitung in Biologie und Medizin
Fokus auf automatisierte Auswertung und Visualisierung von medizinischen und biologischen Bilddaten
Automatische Zellerkennung in Mikroskopaufnahmen
Für die biologische Grundlagenforschung ist es wichtig, Zelleigenschaften quantitativ zu untersuchen. Dabei sind bspw. die Position, die Form und die Geschwindigkeit der Zellen von Interesse. Die Experimente werden üblicherweise ex vivo, also im Labor mit kontrollierten Bedingungen, durchgeführt. Die Aufnahmen werden mit einem Hellfeldmikroskop und ohne toxische Färbemethoden getätigt. Langfristig können diese Daten dazu beitragen, die Bedeutung von Zellen bei Krankheiten wie Krebs, oder auch ihren Einfluss auf die Wundheilung besser zu verstehen. Die Aufgabe der Informatik ist es, durch automatisierte Bildanalyse die Auswertung der Experimente stark zu beschleunigen: der Datensatz eines mehrtägigen Experiments umfasst schnell zehntausende Bilder.
Automatische Auswertung von Bildern der Interferenzreflexionsmikroskopie (RICM)
RICM ist ein Bildgebungsverfahren, bei dem Interferenzmuster abgebildet werden, die entstehen, wenn Licht von Oberflächen reflektiert wird. In diesem Fall werden kugelförmige Objekte mit der Größe einiger Mikrometer auf eine Glasfläche platziert und mit RICM betrachtet. Aus den resultierenden Bildern lassen sich Rückschlüsse auf die Form und Deformierung der aufgenommenen Objekte ziehen. Dieses Wissen wird wiederum genutzt, um Rückschlüsse auf die vorherrschende Adhäsionskraft zu ziehen, was bedeutsam für die Biomaterialforschung ist. Langfristig können damit bspw. Materialien für den medizinischen Einsatz erforscht werden. Die Aufgabe der Informatik ist auch hier die Beschleunigung der Auswertung, indem die RICM-Bilder automatisch analysiert und die wichtigen Parameter extrahiert werden.
Visualisierung von Trajektoriedaten
Trajektoriedaten sind bspw. Bewegungspfade von Objekten (z.B. als Resultat von der o.g. automatischen Zellerkennung) oder auch Mengen von Linien, welche aus Vektorfeldern generiert wurden, wie bspw. Stromlinien eines Diffusions-MRT-Bildes des Gehirns. Ein Problem bei solchen Daten ist oftmals die Unübersichtlichkeit, die sich ergibt, wenn man gleichzeitig mehrere tausend Linien in einem Bild darstellen möchte. Hier gibt es verschiedene Möglichkeiten, mit den Mitteln der Informatik die Übersicht zu erhöhen. Dies umfasst bspw. abstrakte Ansichten oder eine gesonderte Darstellung wichtiger Linien bei gleichzeitiger Reduktion unwichtiger Informationen.
