@phdthesis{Esch2006, author = {Esch, Thomas}, title = {Automatisierte Analyse von Siedlungsfl{\"a}chen auf der Basis h{\"o}chstaufl{\"o}sender Radardaten}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-18863}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2006}, abstract = {St{\"a}dtische Agglomerationen zeichnen sich durch eine zunehmende Dynamik {\"o}kologischer, {\"o}konomischer und sozialer Ver{\"a}nderungen aus. Um eine nachhaltige Entwicklung urbaner R{\"a}ume zu gew{\"a}hrleisten, bedarf es verst{\"a}rkt innovativer Methoden zur Erfassung der raumwirksamen Ver{\"a}nderungen. Diesbez{\"u}glich hat sich die satellitengest{\"u}tzte Erdbeobachtung als kosteng{\"u}nstiges Instrumentarium zur Erhebung planungsrelevanter Informationen erwiesen. Dabei wird in naher Zukunft eine neue Generation von Radarsatelliten zur Verf{\"u}gung stehen, deren Leistungsverm{\"o}gen erstmals die operationelle Analyse von Siedlungsfl{\"a}chen auf Grundlage von Radardaten erm{\"o}glicht. Vor diesem Hintergrund ist es das Ziel der Dissertation, auf der Basis einer nutzerorientierten Methodik das Potential hochaufl{\"o}sender SAR-Daten zur automatisierten Erfassung und Analyse von Siedlungsfl{\"a}chen zu untersuchen. Die Methodik setzt auf dem objektorientierten Bildanalysekonzept der Software eCognition auf. Dabei haben sich der SAR-Speckle sowie Schw{\"a}chen hinsichtlich der G{\"u}te der Bildsegmentierung bzw. der Bestimmung geeigneter Segmentierungseinstellungen als Limitierungen erwiesen. Folglich liegt ein erster Schwerpunkt auf der Optimierung und Stabilisierung einer segmentbasierten Auswertung von Radardaten. Hier hat sich gezeigt, dass mit Blick auf Siedlungsareale weiterhin Optimierungsbedarf hinsichtlich einer strukturerhaltenden Bildgl{\"a}ttung besteht. Daher wird zun{\"a}chst ein neuer Filteransatz entwickelt, der gegen{\"u}ber den etablierten Techniken eine konsequentere Reduzierung des Speckle in homogenen Bildarealen gew{\"a}hrleistet und dabei gleichsam die hochfrequente Information in stark strukturierten Aufnahmebereichen bewahrt. Die Schwierigkeiten im Zusammenhang mit der G{\"u}te und {\"U}bertragbarkeit der Bildsegmentierung werden ebenso wie die Schw{\"a}chen im Hinblick auf die zielgerichtete Definition der optimalen Segmentierungsparameter durch die Entwicklung eines klassenbasierten Ansatzes zur Segmentoptimierung in der Software-Umgebung von eCognition reduziert. Der zweite Schwerpunkt dieser Dissertation widmet sich der Entwicklung von Konzepten zur automatisierten Analyse der regionalen und lokalen Siedlungsstruktur. Im regionalen Kontext liegen die Identifizierung von Siedlungsfl{\"a}chen und die Erfassung einfacher Landnutzungsklassen im Fokus der Arbeiten. Dazu wird ein Regelwerk zur Auswertung einfach-polarisierter SAR-Aufnahmen erstellt, das sich maßgeblich auf r{\"a}umlich und zeitlich robuste textur-, kontext- und hierarchiebezogene Merkmale st{\"u}tzt. Diese Wissensbasis wird anschließend so erweitert, dass sie die Analyse dual-polarisierter, bifrequenter oder kombinierter optischer und SAR-basierter Bilddaten erm{\"o}glicht. Wie die Ergebnisse zeigen, k{\"o}nnen Siedlungsfl{\"a}chen und Landnutzungsklassen bereits {\"u}ber einfach-polarisierte SAR-Aufnahmen mit Genauigkeiten von rund 90 Prozent erfasst werden. Durch die Einbindung einer weiteren Polarisation, Frequenz oder optischer Daten l{\"a}sst sich diese G{\"u}te auf Werte von bis zu 95 Prozent steigern. Die lokalen Analysen zielen auf die thematisch und r{\"a}umlich differenzierte Erfassung der Landnutzung innerhalb bebauter Areale ab. Die Untersuchung basiert auf der synergetischen Auswertung einer hochaufl{\"o}senden Radaraufnahme und eines bedeutend geringer aufgel{\"o}sten optischen Datensatzes. Die isolierte Analyse von SAR-Aufnahmen reichte hingegen selbst bei der Kombination verschiedener Frequenzen oder Polarisationen nicht zur Charakterisierung der kleinteiligen, heterogenen Stadtlandschaft aus. Im Kontext der synergetischen Auswertung dient die SAR-Aufnahme vornehmlich zur Extraktion der urbanen Topografie, w{\"a}hrend der optische Datensatz wichtige Merkmale zur Differenzierung der erfassten Struktureinheiten in die Kategorien Geb{\"a}ude, versiegelte Freifl{\"a}che, unversiegelte Freifl{\"a}che und Baumbestand beisteuert. Das Resultat zeigt, dass sich trotz des synergetischen Ansatzes lediglich eine Genauigkeit von 65 Prozent erzielen l{\"a}sst. Dennoch k{\"o}nnen Geb{\"a}ude dabei mit einer G{\"u}te von 72 Prozent vergleichsweise akkurat erfasst werden. Im Hinblick auf die Demonstration des siedlungsbezogenen Anwendungspotentials h{\"o}chstaufl{\"o}sender SAR-Daten l{\"a}sst sich res{\"u}mieren, dass eine automatische Ableitung siedlungsstruktureller Merkmale im komplexen st{\"a}dtischen Umfeld aufgrund der eingeschr{\"a}nkten spektralen Aussagekraft und der starken Geometrieabh{\"a}ngigkeit des Signals mit signifikanten Schwierigkeiten verbunden ist. Dennoch hat sich gezeigt, dass diese Limitierungen in gewissem Umfang {\"u}ber den Ansatz der multiskaligen, objektorientierten Klassifizierung kompensiert werden k{\"o}nnen. Dabei lassen sich die regionalen Siedlungs- und Landnutzungsmuster mit {\"u}berzeugenden Genauigkeiten erfassen, w{\"a}hrend die Betrachtung der lokalen Siedlungsstruktur eindeutig die Grenzen der Radartechnik im Hinblick auf die Analyse komplex strukturierter Stadtlandschaften aufzeigt.}, subject = {Fernerkundung}, language = {de} } @phdthesis{KaltdorfgebSchuch2019, author = {Kaltdorf [geb. Schuch], Kristin Verena}, title = {Mikroskopie, Bildverarbeitung und Automatisierung der Analyse von Vesikeln in \(C.\) \(elegans\) und anderen biologischen Strukturen}, doi = {10.25972/OPUS-16062}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-160621}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2019}, abstract = {Thema dieser Thesis ist die Analyse sekretorischer Vesikelpools auf Ultrastrukturebene in unterschiedlichen biologischen Systemen. Der erste und zweite Teil dieser Arbeit fokussiert sich auf die Analyse synaptischer Vesikelpools in neuromuskul{\"a}ren Endplatten (NME) im Modellorganismus Caenorhabditis elegans. Dazu wurde Hochdruckgefrierung und Gefriersubstitution angewandt, um eine unverz{\"u}gliche Immobilisation der Nematoden und somit eine Fixierung im nahezu nativen Zustand zu gew{\"a}hrleisten. Anschließend wurden dreidimensionale Aufnahmen der NME mittels Elektronentomographie erstellt. Im ersten Teil dieser Arbeit wurden junge adulte, wildtypische C. elegans Hermaphroditen mit Septin-Mutanten verglichen. Um eine umfassende Analyse mit hoher Stichprobenzahl zu erm{\"o}glichen und eine automatisierte L{\"o}sung f{\"u}r {\"a}hnliche Untersuchungen von Vesikelpools bereit zu stellen wurde eine Software namens 3D ART VeSElecT zur automatisierten Vesikelpoolanalyse entwickelt. Die Software besteht aus zwei Makros f{\"u}r ImageJ, eines f{\"u}r die Registrierung der Vesikel und eines zur Charakterisierung. Diese Trennung in zwei separate Schritte erm{\"o}glicht einen manuellen Verbesserungsschritt zum Entfernen falsch positiver Vesikel. Durch einen Vergleich mit manuell ausgewerteten Daten neuromuskul{\"a}rer Endplatten von larvalen Stadien des Modellorganismus Zebrafisch (Danio rerio) konnte erfolgreich die Funktionalit{\"a}t der Software bewiesen werden. Die Analyse der neuromuskul{\"a}ren Endplatten in C. elegans ergab kleinere synaptische Vesikel und dichtere Vesikelpools in den Septin-Mutanten verglichen mit Wildtypen. Im zweiten Teil der Arbeit wurden neuromuskul{\"a}rer Endplatten junger adulter C. elegans Hermaphroditen mit Dauerlarven verglichen. Das Dauerlarvenstadium ist ein spezielles Stadium, welches durch widrige Umweltbedingungen induziert wird und in dem C. elegans {\"u}ber mehrere Monate ohne Nahrungsaufnahme {\"u}berleben kann. Da hier der Vergleich der Abundanz zweier Vesikelarten, der „clear-core"-Vesikel (CCV) und der „dense-core"-Vesikel (DCV), im Fokus stand wurde eine Erweiterung von 3D ART VeSElecT entwickelt, die einen „Machine-Learning"-Algorithmus zur automatisierten Klassifikation der Vesikel integriert. Durch die Analyse konnten kleinere Vesikel, eine erh{\"o}hte Anzahl von „dense-core"-Vesikeln, sowie eine ver{\"a}nderte Lokalisation der DCV in Dauerlarven festgestellt werden. Im dritten Teil dieser Arbeit wurde untersucht ob die f{\"u}r synaptische Vesikelpools konzipierte Software auch zur Analyse sekretorischer Vesikel in Thrombozyten geeignet ist. Dazu wurden zweidimensionale und dreidimensionale Aufnahmen am Transmissionselektronenmikroskop erstellt und verglichen. Die Untersuchung ergab, dass hierf{\"u}r eine neue Methodik entwickelt werden muss, die zwar auf den vorherigen Arbeiten prinzipiell aufbauen kann, aber den besonderen Herausforderungen der Bilderkennung sekretorischer Vesikel aus Thrombozyten gerecht werden muss.}, subject = {Mikroskopie}, language = {de} } @phdthesis{Vogtmann2005, author = {Vogtmann, Alexandra}, title = {Vergleichende Untersuchungen zur automatisierten Auswertung von Elispot-Platten mit verschiedenen Bildanalysesystemen}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-18395}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2005}, abstract = {Die vorliegende Arbeit hatte das Ziel, erstmals unterschiedliche automatisierte Bildanalysesysteme in der Auswertung von Elispot-Proben miteinander zu vergleichen. Neben dem Vergleich der Anzahl der gemessenen Spots, sollten die Zeit f{\"u}r die Messungen, die Genauigkeit, Richtigkeit und Pr{\"a}zision untersucht werden. Weiterhin sollten die Zuverl{\"a}ssigkeit der Messungen sowie die Einflussgr{\"o}ßen der einzelnen Bildanalysesysteme gepr{\"u}ft werden. Es wurden Elispotproben von verschiedenen Spezies (Maus und Human) und von verschiedenen unabh{\"a}ngigen Arbeitsgruppen verwendet. Die verglichenen Bildanalysesysteme bestanden aus den aufeinander abgestimmten Komponenten Mikroskop, Farbkamera, Motortisch mit Steuerung, Analysesoftware und Rechner. Sie unterschieden sich in ihren Mikroskopen, in der Anzahl der pro Well aufgenommenen Bilder und in der damit erreichten Bildpunktaufl{\"o}sung. Beim KS Elispot wurden im Auflichtmikroskop pro Well 12 Bilder {\"u}ber eine Farbkamera aufgenommen, die Bildpunktaufl{\"o}sung f{\"u}r ein 760x580 Pixel Bild eines Wells betrug 2.6µm. Beim KS Elispot compact 0.65-Zoom-Einstellung wurde im Stereomikroskop pro Well 1 Bild {\"u}ber eine Farbkamera aufgenommen und eine Bildpunktaufl{\"o}sung von 12µm erreicht. Beim KS Elispot 1.25-Zoom-Einstellung wurden im Stereomikroskop 4 Bilder pro Well {\"u}ber eine Farbkamera erstellt, die Bildpunktaufl{\"o}sung betrug 6µm. Im Bezug auf den Faktor Zeit war das KS Elispot compact dem KS Elispot deutlich {\"u}berlegen. Bei Verwendung eines Bildes pro Well bzw. 4 Bildern pro Well wertete das KS Elispot compact eine komplette 96-Well-Mikrotiterplatte bis zu 6 Mal schneller bzw. mindestens doppelt so schnell aus wie das KS Elispot. Die hohe Aufl{\"o}sung des KS Elispot resultiert in einer langen Auswertungszeit der einzelnen Platten. Werden große Mengen von Elispot-Proben ausgewertet, so bietet das KS Elispot compact aufgrund seiner k{\"u}rzeren Messzeiten eine deutliche Ersparnis an Zeit und damit gegen{\"u}ber dem KS Elispot unter diesem Gesichtspunkt einen entscheidenden Vorteil. Die Variabilit{\"a}t der Messungen lag bei allen Systemen niedrig, ohne nennenswerte Unterschiede zwischen den Systemen. Die h{\"o}chste Zuverl{\"a}ssigkeit bei der Spoterkennung konnte f{\"u}r das System KS Elispot nachgewiesen werden. Es erkannte nahezu alle echten Spots und mehr echte Spots als das KS Elispot compact. Das KS Elispot wies im Gegensatz zum KS Elispot compact keine falsch-positiven Spots auf. Bei Verwendung von 4 Bildern pro Well arbeitete das KS Elispot compact zuverl{\"a}ssiger als bei Erstellung von nur einer Aufnahme pro Well: der Anteil an falsch-positiven Spots am Ergebnis sank und der Anteil der richtig erkannten Spots stieg. Die Werte lagen jedoch immer noch unterhalb der Ergebnisse, die das KS Elispot erzielt hatte. Das KS Elispot compact erkannte grunds{\"a}tzlich in denselben Wells weniger Spots als das KS Elispot, das der tats{\"a}chlichen Anzahl der Spots am n{\"a}chsten kam. Bei Verwendung von nur einer Aufnahme pro Well identifizierte das KS Elispot compact deutlich weniger Spots als bei Aufnahme von 4 Bildern pro Well. Die deutlichsten Unterschiede zwischen den beiden Systemen KS Elispot und KS Elispot compact wurden bei der Messung durch das KS Elispot compact mit einem Bild pro Well bei Spotzahlen {\"u}ber 100 bei Mausspots und {\"u}ber 400 bei Humanspots gesehen. Die zwischen dem KS Elispot und dem KS Elispot compact nachgewiesenen Unterschiede waren bei kleinen Spots (bis 100µm) deutlich gr{\"o}ßer als bei Spots gr{\"o}ßerer Durchmesser. Der Vergleich der Systeme erbrachte, dass das hochaufl{\"o}sende KS Elispot eine bessere Auswertungsqualit{\"a}t als das KS Elispot compact bietet, insbesondere bei der Auswertung von Elispot-Proben, die sehr viele und zudem sehr kleine Spots enthielten. Beim KS Elispot compact war die Messung mit 4 Bildern pro Well der Auswertung mit nur einem Bild pro Well bez{\"u}glich der Zuverl{\"a}ssigkeit klar {\"u}berlegen. Bei Verwendung des KS Elispot compact sollte deshalb bei sehr kleinen Spots zumindest die mit 4 Bildern pro Well arbeitende Einstellung gew{\"a}hlt werden. Weiterhin ist zu bemerken, dass eine optimale Auswertung von Elispot-Proben durch automatisierte Reader-Systeme maßgeblich durch die Pr{\"a}paration der verwendeten Elispot-Proben und die daraus resultierende Qualit{\"a}t der Spots beeinflusst wird. Zahlreiche Artefakte, eine starke Untergrundf{\"a}rbung oder nicht deutlich ausgebildete typische Spotmerkmale k{\"o}nnen die Messergebnisse eines Systems beeintr{\"a}chtigen. Hierbei wurde das KS Elispot compact System st{\"a}rker beeinflusst als das KS Elispot System. In dieser Arbeit konnte nachgewiesen werden, dass die Auswertung der Elispot-Proben und damit die gewonnenen Ergebnisse von dem verwendeten, automatisierten Lesesystem abh{\"a}ngen.Die Arbeit unterstreicht den hohen Stellenwert der Standardisierung, Validierung und Optimierung aller Komponenten der Elispot-Methode. Dies ist auch gerade in Bezug auf die Weiterentwicklung dieser Technik und die Er{\"o}ffnung von weiteren Einsatzspektren unerl{\"a}sslich.}, language = {de} }