Item

Abstract

Grundlage und Ziel der Arbeit ist die Unterstützung der Forschung des Paul-Flechsig-
Instituts für Hirnforschung Leipzig (
PFI
) an Fluoreszenz-Bilddaten von menschlichem Ge-
hirnmaterial in deren Zusammenarbeit mit dem Max-Planck-Institut für Kognitions- und
Neurowissenschaften Leipzig (
MPI CBS
) im Bereich der Gliaforschung und mikrostruktu-
reller Konnektivität. In der Arbeit werden die genannten Bilder mithilfe von Verfahren
der klassischen Bildverarbeitung sowie des Machine Learnings segmentiert und analysiert.
Dabei geht es um die Erkennung von Astrozytenzellkörpern, um die Extraktion der Fa-
servorzugsrichtungen von Astrozytenfortsätzen und myelinisierten Nervenfasern, um die
Verhältnisbestimmung dieser beiden Faserstrukturen sowie deren Segmentierung. Es wer-
den verschiedene Methoden wie Schwellenwertverfahren und Filter, morphologische Ope-
rationen und Watershed-Transformation genutzt. Zudem kommen Connected Component
Labeling, Merkmalsextraktion und ein Random Forest Klassifizierer für einen Ansatz des
Überwachten Lernens zum Einsatz. Der Großteil des erzeugten Programmcodes wurde da-
bei in die an der Hochschule für Technik, Wirtschaft und Kultur Leipzig (
HTWK Leipzig
)
erstellte Electron-Anwendung Segmensation integriert, die ihre Anwendung unter anderem
in der Verarbeitung solcher biologisch-medizinischer Daten finden soll.