3D+t Terabyte Bildanalyse

• Antragsteller: Professor Dr.-Ing. Ralf Mikut; Professor Dr. Peter Sanders
• Fachliche Zuordnung: Theoretische Informatik ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2015 bis 2019
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 268484869

Im Fokus des Projekts steht die Entwicklung von Algorithmen für die Analyse von Zeitreihen hochauflösender 3D-Bilder. Das Ziel sind neue Bildanalysemethoden, die sowohl hohe Qualität als auch Recheneffizienz gewährleisten und die Möglichkeiten moderner Hardware effizient ausnutzen. Als exemplarisches Anwendungsgebiet wird das Objekttracking in Mikroskopbildern untersucht, in denen mehrere Objektklassen (z.B. Zellkerne, Zellplasma, Nanopartikel) durch verschiedenfarbige Fluoreszenzfarbstoffe markiert sind. Solche Trackingprobleme sind von entscheidender Bedeutung in der entwicklungsbiologischen Forschung, weil bisherige Berechnungsansätze nur einen Bruchteil der enthaltenen Informationen aus den aufgezeichneten Datensätzen mit mehreren Terabytes extrahieren können. Dieses spezielle Anwendungsgebiet wird als prototypischer Fall betrachtet, wie ein gezieltes Engineering von Algorithmen für große Datenmengen ein Anwendungsgebiet umfassend bereichern kann. Die vorgeschlagene Strategie besteht darin, hochperformante Algorithmen (z.B. Graphenalgorithmen) für die Extraktion von 3D-Objekten mit zugehörigen Unsicherheitsinformationen einzusetzen. Dieses Vorgehen bewirkt eine große Datenreduktion, so dass Trackingalgorithmen die globalen Unsicherheitsinformationen zu einem konsistenten Endergebnis integrieren können. Die Schätzung und Propagierung von Unsicherheiten innerhalb der extrahierten Informationen soll durchgehend mit Fuzzy-Logik erfolgen. Für den erfolgreichen Einsatz sind signifikante Fortschritte bei der Modellierung und Propagierung von Unsicherheiten, beim Generalisieren von 2D-Algorithmen für 3D-Szenarien sowie beim Entwurf paralleler Algorithmen für hierarchische Speicher notwendig. Einige der Teilprobleme wurden bislang nie systematisch untersucht, beispielsweise wie eine klassische Bildverarbeitungspipeline mit Bildvorverarbeitung, Vordergrunderkennung und Segmentierung einen Graph potenzieller Objekte (z.B. Zellkerne) erzeugen kann, dessen Kanten mögliche Bewegungen oder Teilungen von Objekten repräsentieren. Um dann die Entwicklung eines vollständigen Organismus abzubilden, muss nachfolgend der wahrscheinlichste Teilgraph aus diesem Graphen extrahiert werden. Bislang ist die Formulierung eines solchen Problems als wohldefiniertes Optimierungsproblem ungelöst, erst recht dessen effiziente Lösung mit nachweisbar hoher Qualität.Die Leistungsfähigkeit der entwickelten Methoden soll an realen Datensätzen von Zebrabärblingsembryos demonstriert werden, die durch Lichtscheibenmikroskopie innerhalb der ersten 24 Stunden ihrer Entwicklung beobachtet werden. Solche Datensätze erreichen Größen über 10 Terabyte pro Embryo, was zwei Größenordnungen über der Leistungsfähigkeit bisher vorgeschlagener konkurrierender Algorithmen liegt. Zusätzlich sollen Benchmarkdatensätze mit vergleichbarer Struktur erzeugt und analysiert werden, bei denen die wirklichen Objektbewegungen bekannt sind, um eine quantitative Bewertung der Ergebnisse zu gestatten.

• DFG-Verfahren: Sachbeihilfen