Zellsegmentierung, Tracking und Klassifikation in 3D+t Mikroskopiebilddaten mittels Deep Learning

 

Motivation

Die Mitose ist der Prozess, bei dem sich eukaryotische Zellen teilen, um zwei Tochterzellen mit identischem genetischem Material zu erzeugen. Die Erforschung der Mitose ist daher von entscheidender Bedeutung sowohl für das grundlegende Verständnis der Zellbiologie als auch für den klinischen Ansatz bei vielfältigen Pathologien (einschließlich Krebs), die auf eine Fehlfunktion der Mitose zurückzuführen sind. In diesem Projekt untersuchen wir den Verlauf der Mitose automatisch mithilfe von Deep Learning. Dies beinhaltet Detektion, Segmentierung und Tracking einzelner fluoreszenzmarkierter Zellen in zeitlich aufgelösten 2D und 3D Mikroskopbilddaten. Im Anschluß soll eine automatische Klassifikation der einzelnen Zellzyklusstadien durchgeführt werden.

Wissenschaftliche Fragestellungen

In diesem Projekt entwickeln wir Algorithmen für die folgenden wissenschaftlichen Fragestellungen:

  • Wie lassen sich fluoreszenzmarkierte Zellen in großen zeitaufgelösten 2D- und 3D-Mikroskopiebildern mit begrenzten Trainingsdaten zuverlässig erkennen, segmentieren und verfolgen?
  • Wie lassen sich einzelne Zellzyklusphasen sich teilender Zellen in 2D+t- und 3D+t-Mikroskopiebildern mithilfe von Deep Learning Methoden automatisch klassifizieren?
  • Wie lassen sich die entwickelten Ansätze zu einer gemeinsamen Pipeline kombinieren, die der Community über interaktive grafische Benutzeroberflächen zur Verfügung gestellt werden kann?

Abschlussarbeiten

Im Bereich Segmentierung und Tracking von mikroskopischen Bildern mittels Deep Learning werden regelmäßig neue Abschlussarbeiten ausgeschrieben. Entsprechend der oben genannten Projektbeschreibung gibt es in diesem Projekt mehrere Teilprobleme, die als Bachelor- und Masterarbeitsthemen interessant sein könnten und in einem persönlichen Gespräch besprochen werden können.

Kooperationspartner

Kontakt

Dr.-Ing.