Automatische multi-dimensionale Bildanalyse für die Fluoreszenzmikroskopie (A04)

• Fachliche Zuordnung: Medizinische Physik, Biomedizinische Technik
• Förderung: Förderung von 2009 bis 2017
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 52732026

Für die Erforschung von Wirt-Erreger-Interaktionen hat sich die Fluoreszenzmikroskopie als ein wichtiges Werkzeug etabliert. Zur Verbesserung und Objektivierung dieser Experimente werden Ansätze für die automatische Bildverarbeitung von Fluoreszenzbildern genutzt. Speziell für die Segmentierung und Analyse visuell-komplexer, multi-modaler Fluoreszenzbilder werden sog. 'Convolutional Neural Networks' (CNNs) und 'Deep-Learning'-Ansätze erforscht, entwickelt und angewendet. Zur Evaluierung sollen diese Methoden auf unterschiedliche Datensätze aus dem SFB angewendet werden.

• DFG-Verfahren: Sonderforschungsbereiche
• Teilprojekt zu: SFB 796: Steuerungsmechanismen mikrobieller Effektoren in Wirtszellen
• Antragstellende Institution: Friedrich-Alexander-Universität Erlangen-Nürnberg
• Mitantragstellende Institution: Fraunhofer-Institut für Integrierte Schaltungen (IIS); Abteilung Bildverarbeitung und Medizintechnik (aufgelöst)
• Teilprojektleiter: Dr.-Ing. Thomas Wittenberg