@article{KaltdorfSchulzeHelmprobstetal.2017,
  author    = {Kaltdorf, Kristin Verena and Schulze, Katja and Helmprobst, Frederik and Kollmannsberger, Philip and Dandekar, Thomas and Stigloher, Christian},
  title     = {Fiji macro 3D ART VeSElecT: 3D automated reconstruction tool for vesicle structures of electron tomograms},
  series = {PLoS Computational Biology},
  volume    = {13},
  journal   = {PLoS Computational Biology},
  number    = {1},
  doi       = {10.1371/journal.pcbi.1005317},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-172112},
  year      = {2017},
  abstract  = {Automatic image reconstruction is critical to cope with steadily increasing data from advanced microscopy. We describe here the Fiji macro 3D ART VeSElecT which we developed to study synaptic vesicles in electron tomograms. We apply this tool to quantify vesicle properties (i) in embryonic Danio rerio 4 and 8 days past fertilization (dpf) and (ii) to compare Caenorhabditis elegans N2 neuromuscular junctions (NMJ) wild-type and its septin mutant (unc-59(e261)). We demonstrate development-specific and mutant-specific changes in synaptic vesicle pools in both models. We confirm the functionality of our macro by applying our 3D ART VeSElecT on zebrafish NMJ showing smaller vesicles in 8 dpf embryos then 4 dpf, which was validated by manual reconstruction of the vesicle pool. Furthermore, we analyze the impact of C. elegans septin mutant unc-59(e261) on vesicle pool formation and vesicle size. Automated vesicle registration and characterization was implemented in Fiji as two macros (registration and measurement). This flexible arrangement allows in particular reducing false positives by an optional manual revision step. Preprocessing and contrast enhancement work on image-stacks of 1nm/pixel in x and y direction. Semi-automated cell selection was integrated. 3D ART VeSElecT removes interfering components, detects vesicles by 3D segmentation and calculates vesicle volume and diameter (spherical approximation, inner/outer diameter). Results are collected in color using the RoiManager plugin including the possibility of manual removal of non-matching confounder vesicles. Detailed evaluation considered performance (detected vesicles) and specificity (true vesicles) as well as precision and recall. We furthermore show gain in segmentation and morphological filtering compared to learning based methods and a large time gain compared to manual segmentation. 3D ART VeSElecT shows small error rates and its speed gain can be up to 68 times faster in comparison to manual annotation. Both automatic and semi-automatic modes are explained including a tutorial.},
  language  = {en}
}
@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}
}
@article{KaltdorfTheissMarkertetal.2018,
  author    = {Kaltdorf, Kristin Verena and Theiss, Maria and Markert, Sebastian Matthias and Zhen, Mei and Dandekar, Thomas and Stigloher, Christian and Kollmannsberger, Philipp},
  title     = {Automated classification of synaptic vesicles in electron tomograms of C. elegans using machine learning},
  series = {PLoS ONE},
  volume    = {13},
  journal   = {PLoS ONE},
  number    = {10},
  doi       = {10.1371/journal.pone.0205348},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-176831},
  pages     = {e0205348},
  year      = {2018},
  abstract  = {Synaptic vesicles (SVs) are a key component of neuronal signaling and fulfil different roles depending on their composition. In electron micrograms of neurites, two types of vesicles can be distinguished by morphological criteria, the classical "clear core" vesicles (CCV) and the typically larger "dense core" vesicles (DCV), with differences in electron density due to their diverse cargos. Compared to CCVs, the precise function of DCVs is less defined. DCVs are known to store neuropeptides, which function as neuronal messengers and modulators [1]. In C. elegans, they play a role in locomotion, dauer formation, egg-laying, and mechano- and chemosensation [2]. Another type of DCVs, also referred to as granulated vesicles, are known to transport Bassoon, Piccolo and further constituents of the presynaptic density in the center of the active zone (AZ), and therefore are important for synaptogenesis [3]. To better understand the role of different types of SVs, we present here a new automated approach to classify vesicles. We combine machine learning with an extension of our previously developed vesicle segmentation workflow, the ImageJ macro 3D ART VeSElecT. With that we reliably distinguish CCVs and DCVs in electron tomograms of C. elegans NMJs using image-based features. Analysis of the underlying ground truth data shows an increased fraction of DCVs as well as a higher mean distance between DCVs and AZs in dauer larvae compared to young adult hermaphrodites. Our machine learning based tools are adaptable and can be applied to study properties of different synaptic vesicle pools in electron tomograms of diverse model organisms.},
  language  = {en}
}