Automatische zeitliche und räumliche Registrierung von großen 3D+t Punktwolken

• Antragsteller: Professor Dr.-Ing. Johannes Stegmaier
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Entwicklungsbiologie
• Förderung: Förderung seit 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 432051322

Die zeitlich aufgelöste 3D Fluoreszenzmikroskopie (3D+t) bietet umfangreiche Möglichkeiten zur detaillierten Analyse der frühembryonalen Entwicklung verschiedener Modellorganismen. Mithilfe automatischer Segmentierungs- und Trackingverfahren können aus aufgenommenen Bilddaten tausende von Zellbewegungstrajektorien zur quantitativen Analyse auf zellulärer Ebene extrahiert werden. Ein grundlegendes Problem nach erfolgreicher Extraktion getrackter 3D+t Punktwolken besteht jedoch in der fehlenden Möglichkeit, quantitative Vergleiche zwischen verschiedenen Individuen automatisiert herstellen zu können, um biologische Hypothesen in wiederholten Experimenten statistisch zu bestätigen. Die Analyse frühembryonaler Entwicklung auf Basis solcher 3D+t Punktwolken beschränkt sich daher bisher auf einfache Modellorganismen, frühe Entwicklungsstadien und manuelle Analysen.Das Ziel des vorgeschlagenen Projektes ist die Entwicklung neuer Methoden zur automatischen räumlichen und zeitlichen Registrierung großer 3D+t Punktwolken. Da verschiedene Individuen komplexerer Organismen üblicherweise keine eindeutigen Zell-Zell-Korrespondenzen aufweisen, stellt die Entwicklung neuer Verfahren zur Charakterisierung anatomischer Landmarken mittels klassischen und auf maschinellem Lernen basierenden Ansätzen einen Projektschwerpunkt dar. Um ausreichend Trainingsdaten für den Einsatz von maschinellem Lernen bereitzustellen ist geplant, synthetische Datensätze zu generieren, die eine umfangreiche Simulation frühembryonaler Entwicklung von Modellorganismen, wie dem Zebrabärbling und der Fruchtfliege ermöglichen. Es wird explizit auf speicheroptimierte Punktwolken als Datenstruktur gesetzt, um auch Datensätze verarbeiten zu können, die als dichte Bilddatenstruktur mehrere Terabyte umfassen würden. Die identifizierten anatomischen Landmarken werden anschließend zur präzisen räumlichen und zeitlichen Ausrichtung von 3D+t Punktwolken verwendet und es soll ein modulares Ähnlichkeitsmaß entwickelt werden, welches das Vereinen heterogener Deskriptoren ermöglicht. Dazu wird ein mehrstufiges Verfahren angestrebt, in welchem Datensätze vorerst zeitlich und anschließend mittels rigider Transformationen räumlich angepasst werden. Final wird mittels elastischer Registrierungsverfahren eine perfekte Übereinstimmung angestrebt, um Modellorganismus-spezifische 3D+t Atlanten zu erstellen. Die finalen Ergebnisse bilden generelle Methoden zur zeitlichen und räumlichen Registrierung von 3D+t Punktwolken, die Erstellung biologischer Atlanten, Open-Source Implementierungen und die Anwendung der entwickelten Methoden auf großen Lichtscheibenmikroskopie-Datensätzen von Zebrabärblings- und Fruchtfliegenembryos. In Kombination mit bestehenden Segmentierungs- und Trackingverfahren stellen die angestrebten Methoden einen großen Schritt in Richtung einer vollautomatisierten quantitativen Auswertung dar, um mit der kontinuierlichen Weiterentwicklung zeitaufgelöster 3D Mikroskopie Schritt halten zu können.

• DFG-Verfahren: Sachbeihilfen