Revision of thesis (Ph. D.)--University of Pennsylvania, 1978. / Includes index. Bibliography: p. [193]-195.

Zugl.: Leipzig, University, Diss., 2003.

München, Techn. Univ., Diss., 2000.

Techn. Hochsch., Diss., 2001--Aachen.

Universiẗat, Diss., 2002--Freiburg (Breisgau).

University, Diss., 2003--Kassel. / Lizenzpflichtig.

Universiẗat, Diss., 2006--Kassel.

Mit der Entwicklung von Verfahren zur Erzeugung dreidimensionaler Bilder ergeben sich für die Bildverarbeitung in der Medizin neue Forschungsgebiete. Bei Datensätzen, die die Hirnoberfläche darstellen, steht neben der Visualisierung die Auswertung der Datensätze im Interesse der Forschung. Die Auswertung von Oberflächendaten, die in Form von Polygonnetzen vorliegen, umfaßt unter anderem die Segmentierung und die Vermessung von Abschnitten der Hirnoberfläche. Eine Automatisierung der Segmentierung ist nur in begrenztem Umfang möglich, daher ist eine manuelle Bearbeitung der Oberflächendaten wünschenswert. Für das Max-Planck-Institut für neuropsychologische Forschung wurde ein Programmodul entwickelt, mit dem die Segmentierung und die Vermessungen in einer interaktiven Umgebung durchführbar sind. Das Programmodul wurde in die dort entwickelte Visualisierungsoberfläche IPE integriert. In der Diplomarbeit wurde ein Verfahren zur Polygondatenreduktion implementiert und näher untersucht. Verfahren zur Erzeugung von Oberflächennetzen wie z.B. der Marching Cubes Algorithmus erzeugen oft Datensätze mit einer sehr gro'sen Anzahl an Polygonen. Solche Datensätze sind f'ur eine Visualisierung oder für die Weiterverarbeitung schlecht geeignet. Mit Hilfe von Verfahren zur Polygondatenreduktion kann die zu verarbeitende Datenmenge verringert werden.

Viele Wissenschafts- und Ingenieursdisziplinen, wie Mikroskopie, medizinische Diagnostik, Astronomie oder Maschinenbau, nutzen die Methoden und Techniken der Bildverarbeitung, um bestimmte Objekte darzustellen, zu zählen, zu vermessen und Ähnliches. Eine häufig genutzte Technik in der digitalen Bildverarbeitung ist die Bildregistrierung. Darunter versteht man Methoden, die es ermöglichen, zwei oder mehrere Bilder derselben Szene, oder zumindest ähnlicher Szenen, bestmöglich in Übereinstimmung miteinander zu bringen. Mit anderen Worten, beim Registrierungsproblem geht es darum, eine Übereinstimmung zwischen den Punkten zweier oder mehrerer Bilder herzustellen.

Diese Arbeit beschäftigt sich mit dem statistischen Mittel der Hauptkomponentenanalyse zur Nutzung bei der Segmentierung von ATPase eingefärbten Muskelfaserzellen. Vorhandenes a priori Wissen wird hierdurch effzient nutzbar gemacht. Dabei wird die Segmentierung durch einen Energieminimierungsprozess auf Level-Set-Funktionen realisiert und eine Konturevolution auf wenigen formbeschreibenden Parametern ermöglicht.:1. Einführung 2. Medizinische Grundlagen 2.1. Muskelfasern 2.2. Myofibrilläre ATPase-Färbung 3. Hauptkomponentenanalyse 3.1. Mathematische Grundlagen und praktische Realisierung 3.1.1. Begriffsbestimmung 3.1.2. Ermittlung der Hauptkomponenten 3.1.3. Approximation und Rücktransformation 3.2. Hauptkomponentenanalyse für hochdimensionale Daten 3.3. Schwachstellen der PCA 3.4. Ein Beispiel 3.5. Zusammenfassung 4. Segmentierung 4.1. Segmentierungsansätze 4.2. Formdaten und statistische Auswertung 4.2.1. Beispieldaten 4.2.2. Formrepräsentation 4.3. Umsetzung der Hauptkomponentenanalyse 4.4. Energieminimierung 4.5. Gradientenabstieg 4.5.1. Probleme und deren Lösungsansätze 4.6. Seeded-Region-Growing-Ansatz 4.7. Zusammenfassung 5. Ergebnisse 6. Zusammenfassung und Ausblick