No description available.

Maschinelle Beatmung kann neben den gewünschten Effekten eine vorbestehende Lungenerkrankung weiter aggravieren und sogar das Lungenparenchym zuvor lungengesunder Patienten schädigen. Mit Hilfe der quantitativen Computertomographie (qCT) können pathologische Belüftungszustände und gegebenenfalls durch maschinelle Beatmung verursachte Schäden analysiert werden. Solche auf der qCT basierende Analysen der Lungenbelüftung werden jedoch potentiell durch CT-Akquisitions- und Bildrekonstruktionsparameter beeinflusst. Um die Ergebnisse vor allem von Analysen des überbelüfteten Lungenvolumens richtig bewerten zu können, müssen solche Einflüsse untersucht werden. Bei 10 Versuchstieren (Schweine) wurden bei einem konstanten Atemwegsdruck von 25 cm H2O zuerst bei gesunder Lunge und dann erneut nach experimenteller Lungenschädigung CT-Bildserien mit zwei unterschiedlichen Strahlendosen angefertigt. Von diesen Rohdaten wurden Bildserien mit unterschiedlichen Rekonstruktionsparametern angefertigt und in jeder dieser Bildserien das überbelüftete Lungenvolumen bestimmt. Sowohl die Schichtdicke, der Filter als auch die Stromstärke hatten einen signifikanten Einfluss auf das eigentlich konstante überbelüftete Lungenvolumen, der jedoch nur teilweise klinisch relevant war. Bei der Interpretation von Messungen des überbelüfteten Lungenvolumens sollten dennoch die Einflüsse der genannten Parameter beachtet und für Vergleichsuntersuchungen gleiche Parametereinstellungen verwendet werden. Eine Dosisreduktion scheint dabei für Messungen des überbelüfteten Lungenvolumens praktikabel.:Inhaltsverzeichnis 0 Abkürzungsverzeichnis 1 1 Einleitung 3 1.1 Ventilator-associated Lung Injury (VALI) 3 1.2 Computertomographie und Diagnostik von Lungenerkrankungen 5 1.3 Spiral-CT 9 1.4 Datenerfassung und Bildrekonstruktion 10 1.5 Grundlagen zur Dichtemessung 12 1.6 Einfluss von Filter und Schichtdicke auf das Bild 13 1.7 Einfluss von Filter und Schichtdicke auf die Analyse der pulmonalen Überbelüftung 15 1.8 Zielstellung 17 2 Materialien und Methodik 18 2.1 Versuchstiere 18 2.2 Überblick über den Versuchsablauf 18 2.2.1 Prämedikation und Narkoseführung 18 2.2.2 Induktion des Lungenschadens 20 2.2.3 CT-Scans und Bildrekonstruktionen 21 2.3 Segmentierung und volumetrische Analyse 22 2.4 Statistische Analyse 24 3 Ergebnisse 26 3.1 Einfluss von Schichtdicke, Filter und Stromstärke auf normale Lungen 26 3.2 Einfluss von Schichtdicke, Filter und Stromstärke auf geschädigte Lungen 34 3.3 Vergleich der automatischen und manuellen Segmentierung 38 4 Diskussion 40 4.1 Einfluss von Schichtdicke und Filter 42 4.2 Einfluss der Stromstärke 49 4.3 Einfluss der experimentell induzierten Lungenschädigung 53 4.4 Vergleich der Segmentierungssoftware 55 4.5 Diskussion der Methodik 55 4.6 Schlussfolgerung 58 5 Zusammenfassung der Arbeit 60 6 Literaturverzeichnis 63 7 Danksagung 77 8 Erklärung über die eigenständige Abfassung der Arbeit 78

The use of uncrewed aerial vehicle to map the environment increased significantly in the last decade enabling a finer assessment of the land cover. However, creating accurate maps of the environment is still a complex and costly task. Deep learning (DL) is a new generation of artificial neural network research that, combined with remote sensing techniques, allows a refined understanding of our environment and can help to solve challenging land cover mapping issues. This research focuses on the vegetation segmentation of kettle holes. Kettle holes are small, pond-like, depressional wetlands. Quantifying the vegetation present in this environment is essential to assess the biodiversity and the health of the ecosystem. A machine learning workflow has been developed, integrating a superpixel segmentation algorithm to build a robust dataset, which is followed by a set of DL architectures to classify 10 plant classes present in kettle holes. The best architecture for this task was Xception, which achieved an average F1-score of 85% in the segmentation of the species. The application of solely 318 samples per class enabled a successful mapping in the complex wetland environment, indicating an important direction for future health assessments in such landscapes.

The exceptional properties of nanocrystals (NCs) are strongly influenced by many different characteristics, such as their size and shape, but also by characteristics on the atomic scale, such as their crystal structure, their surface structure, as well as by potential microstructure defects. While the size and shape of NCs are frequently determined in a statistical manner, atomic-scale characteristics are usually quantified only for a small number of individual NCs and thus with limited statistical relevance. Within this work, a characterization workflow was established that is capable of determining relevant NC characteristics simultaneously in a sufficiently detailed and statistically relevant manner. The workflow is based on transmission electron microscopy, networked by a correlative multiscale approach that combines atomic-scale information on NCs obtained from high-resolution imaging with statistical information on NCs obtained from low-resolution imaging, assisted by a semi-automatic segmentation routine. The approach is complemented by other characterization techniques, such as X-ray diffraction, UV-vis spectroscopy, dynamic light scattering, or alternating gradient magnetometry. The general applicability of the developed workflow is illustrated on several examples, i.e., on the classification of Au NCs with different structures, on the statistical determination of the facet configurations of Au nanorods, on the study of the hierarchical structure of multi-core iron oxide nanoflowers and its influence on their magnetic properties, and on the evaluation of the interplay between size, morphology, microstructure defects, and optoelectronic properties of CdSe NCs.:List of abbreviations and symbols 1 Introduction 1.1 Types of nanocrystals 1.2 Characterization of nanocrystals 1.3 Motivation and outline of this thesis 2 Materials and methods 2.1 Nanocrystal synthesis 2.1.1 Au nanocrystals 2.1.2 Au nanorods 2.1.3 Multi-core iron oxide nanoparticles 2.1.4 CdSe nanocrystals 2.2 Nanocrystal characterization 2.2.1 Transmission electron microscopy 2.2.2 X-ray diffraction 2.2.3 UV-vis spectroscopy 2.2.3.1 Au nanocrystals 2.2.3.2 Au nanorods 2.2.3.3 CdSe nanocrystals 2.2.4 Dynamic light scattering 2.2.5 Alternating gradient magnetometry 2.3 Methodical development 2.3.1 Correlative multiscale approach – Statistical information beyond size and shape 2.3.2 Semi-automatic segmentation routine 3 Classification of Au nanocrystals with comparable size but different morphology and defect structure 3.1 Introduction 3.1.1 Morphologies and structures of Au nanocrystals 3.1.2 Localized surface plasmon resonance of Au nanocrystals 3.1.3 Motivation and outline 3.2 Results 3.2.1 Microstructural characteristics of the Au nanocrystals 3.2.2 Insufficiency of two-dimensional size and shape for an unambiguous classification of the Au nanocrystals 3.2.3 Statistical classification of the Au nanocrystals 3.2.4 Advantage of a multidimensional characterization of the Au nanocrystals 3.2.5 Estimation of the density of planar defects in the Au nanoplates 3.3 Discussion 3.4 Conclusions 4 Statistical determination of the facet configurations of Au nanorods 4.1 Introduction 4.1.1 Growth mechanism and facet formation of Au nanorods 4.1.2 Localized surface plasmon resonance of Au nanorods 4.1.3 Catalytic activity of Au nanorods 4.1.4 Motivation and outline 4.2 Results 4.2.1 Statistical determination of the size and shape of the Au nanorods 4.2.2 Microstructural characteristics and facet configurations of the Au nanorods 4.2.3 Statistical determination of the facet configurations of the Au nanorods 4.3 Discussion 4.4 Conclusions 5 Influence of the hierarchical architecture of multi-core iron oxide nanoflowers on their magnetic properties 5.1 Introduction 5.1.1 Phase composition and phase distribution in iron oxide nanoparticles 5.1.2 Magnetic properties of iron oxide nanoparticles 5.1.3 Mono-core vs. multi-core iron oxide nanoparticles 5.1.4 Motivation and outline 5.2 Results 5.2.1 Phase composition, vacancy ordering, and antiphase boundaries 5.2.2 Arrangement and coherence of individual cores within the iron oxide nanoflowers 5.2.3 Statistical determination of particle, core, and shell size 5.2.4 Influence of the coherence of the cores on the magnetic properties 5.3 Discussion 5.4 Conclusions 6 Interplay between size, morphology, microstructure defects, and optoelectronic properties of CdSe nanocrystals 6.1 Introduction 6.1.1 Polymorphism in CdSe nanocrystals 6.1.2 Optoelectronic properties of CdSe nanocrystals 6.1.3 Nucleation, growth, and coarsening of CdSe nanocrystals 6.1.4 Motivation and outline 6.2 Results 6.2.1 Influence of the synthesis temperature on the optoelectronic properties of the CdSe nanocrystals 6.2.2 Microstructural characteristics of the CdSe nanocrystals 6.2.3 Statistical determination of size, shape, and amount of oriented attachment of the CdSe nanocrystals 6.3 Discussion 6.4 Conclusions 7 Summary and outlook References Publications

Mikroskopaufnahmen kompletter Organismen und ihrer Entwicklung ermöglichen die Erforschung ganzer Organismen oder Systeme und erzeugen Datensätze im Terabyte-Bereich. Solche großen Datensätze erfordern die Entwicklung von Computer-Vision-Tools, um Aufgaben wie Erkennung, Segmentierung, Klassifizierung und Registrierung durchzuführen. Es ist wünschenswert, Computer-Vision-Tools zu entwickeln, die nur eine minimale Menge an manuell annotierten Trainingsdaten benötigen. Ich demonstriere derartige Anwendungen in drei Projekte. Zunächst stelle ich ein Tool zur automatischen Registrierung von Drosophila-Flügeln (verschiedener Spezies) unter Verwendung von Landmarkenerkennung vor, das für die Untersuchung der Funktionsweise von Enhancern eingesetzt wird. Ich vergleiche die Leistung eines Shape-Model-Ansatzes mit der eines kleinen neuronalen Netz bei der Verfügbarkeit von nur 20 Trainingsbeispiele. Beide Methoden schneiden gut ab und ermöglichen eine präzise Registrierung von Tausenden von Flügeln. Das zweite Projekt ist ein hochauflösendes Zellkernmodell des C. elegans, das aus einem nanometeraufgelösten Elektronenmikroskopiedatensatz einer ganzen Dauerlarve erstellt wird. Diese Arbeit ist der erste Atlas der Dauerdiapause von C. elegans, der jemals erstellt wurde, und enthüllt die Anzahl der Zellkerne in diesem Stadium. Schließlich stelle ich eine Bildanalysepipeline vor, an der ich zusammen mit Laura Breimann und anderen gearbeitet habe. Die Pipeline umfasst die Punkterkennung von Einzelmolekül-Fluoreszenz-In-situ-Hybridisierung (smFISH), die Segmentierung von Objekten und die Vorhersage des Embryonalstadiums. Mit diesen drei Beispielen demonstriere ich sowohl generische Ansätze zur computergestützten Modellierung von Modellorganismen als auch maßgeschneiderte Lösungen für spezifische Probleme und die Verschiebung des Feldes in Richtung Deep-Learning. / Microscopy images of entire organisms and their development allows research in whole organisms or systems, producing terabyte scale datasets. Such big datasets require the development of computer vision tools to perform tasks such as detection, segmentation, classification, and registration. It is desirable to develop computer vision tools that require minimal manually annotated training data. I demonstrate such applications in three projects. First, I present a tool for automatic Drosophila wing (of various species) registration using landmark detection, for its application in studying enhancer function. I compare the performance of a shape model technique to a small CNN requiring only 20 training examples. Both methods perform well, and enable precise registration of thousands of wings. The second project is a high resolution nucleus model of the C. elegans, constructed from a nanometer-resolved electron microscopy dataset of an entire dauer larva. The nucleus model is constructed using a classical dynamic programing approach as well as a CNN approach. The resulting model is accessible via a web-based (CATMAID) open source and open access resource for the community. I also developed a CATMAID plugin for the annotation of segmentation objects (here, nucleus identity). This work is the first atlas of the C. elegans dauer diapause ever created and unveils the number of nuclei at that stage. Lastly, I detail an image analysis pipeline I collaborated on with Laura Breimann and others. The pipeline involves single molecule fluorescence in situ hybridization (smFISH) spot detection, object segmentation, and embryo stage prediction. The pipeline is used to study the dynamics of X specific transcriptional repression by condensin in the C. elegans embryo. With these three examples, I demonstrate both generic approaches to computational modeling of model organisms, as well as bespoke solutions to specific problems, and the shift in the field towards deep learning.

Die Objekterkennung ist ein natürlicher Prozess im Menschlichen Gehirn. Sie ndet im visuellen Kortex statt und nutzt die binokulare Eigenschaft der Augen, die eine drei- dimensionale Interpretation von Objekten in einer Szene erlaubt. Kameras ahmen das menschliche Auge nach. Bilder von zwei Kameras, in einem Stereokamerasystem, werden von Algorithmen für eine automatische, dreidimensionale Interpretation von Objekten in einer Szene benutzt. Die Entwicklung von Hard- und Software verbessern den maschinellen Prozess der Objek- terkennung und erreicht qualitativ immer mehr die Fähigkeiten des menschlichen Gehirns. Das Hauptziel dieses Forschungsfeldes ist die Entwicklung von robusten Algorithmen für die Szeneninterpretation. Sehr viel Aufwand wurde in den letzten Jahren in der zweidimen- sionale Objekterkennung betrieben, im Gegensatz zur Forschung zur dreidimensionalen Erkennung. Im Rahmen dieser Arbeit soll demnach die dreidimensionale Objekterkennung weiterent- wickelt werden: hin zu einer besseren Interpretation und einem besseren Verstehen von sichtbarer Realität wie auch der Beziehung zwischen Objekten in einer Szene. In den letzten Jahren aufkommende low-cost Verbrauchersensoren, wie die Microsoft Kinect, generieren Farb- und Tiefendaten einer Szene, um menschenähnliche visuelle Daten zu generieren. Das Ziel hier ist zu zeigen, wie diese Daten benutzt werden können, um eine neue Klasse von dreidimensionalen Objekterkennungsalgorithmen zu entwickeln - analog zur Verarbeitung im menschlichen Gehirn. / Object recognition is a natural process of the human brain performed in the visual cor- tex and relies on a binocular depth perception system that renders a three-dimensional representation of the objects in a scene. Hitherto, computer and software systems are been used to simulate the perception of three-dimensional environments with the aid of sensors to capture real-time images. In the process, such images are used as input data for further analysis and development of algorithms, an essential ingredient for simulating the complexity of human vision, so as to achieve scene interpretation for object recognition, similar to the way the human brain perceives it. The rapid pace of technological advancements in hardware and software, are continuously bringing the machine-based process for object recognition nearer to the inhuman vision prototype. The key in this eld, is the development of algorithms in order to achieve robust scene interpretation. A lot of recognisable and signi cant e ort has been successfully carried out over the years in 2D object recognition, as opposed to 3D. It is therefore, within this context and scope of this dissertation, to contribute towards the enhancement of 3D object recognition; a better interpretation and understanding of reality and the relationship between objects in a scene. Through the use and application of low-cost commodity sensors, such as Microsoft Kinect, RGB and depth data of a scene have been retrieved and manipulated in order to generate human-like visual perception data. The goal herein is to show how RGB and depth information can be utilised in order to develop a new class of 3D object recognition algorithms, analogous to the perception processed by the human brain.

Audiovisuelle Medien, insbesondere Filme und Fernsehsendungen entwickelten sich innerhalb der letzten einhundert Jahre zu bedeutenden Massenmedien. Große Bestände audiovisueller Medien werden heute in Datenbanken und Mediatheken verwaltet und professionellen Nutzern ebenso wie den privaten Konsumenten zur Verfügung gestellt. Eine besondere Herausforderung liegt in der Indexierung, Durchsuchung und Beschreibung der multimedialen Datenbestände. Die Segmentierung audiovisueller Medien, als Teilgebiet der Videoanalyse, bildet die Grundlage für verschiedene Anwendungen im Bereich Multimedia-Information-Retrieval, Content-Browsing und Video-Summarization. Insbesondere die Segmentierung in semantische Handlungsanschnitte bei narrativen Medien gestaltet sich schwierig. Sie setzt ein besonderes Verständnis der filmischen Stilelemente vorraus, die im Rahmen des Schaffensprozesses genutzt wurden, um die Handlung und Narration zu unterstützten. Die Arbeit untersucht die bekannten filmischen Stilelemente und wie sie sich im Rahmen algorithmischer Verfahren für die Analyse nutzen lassen. Es kann gezeigt werden, dass unter Verwendung eines mehrstufigen Analyse-Prozesses semantische Zusammenhänge in narrativen audiovisuellen Medien gefunden werden können, die zu einer geeigneten Sequenz-Segmentierung führen. / Audiovisual media, especially movies and TV shows, developed within the last hundred years into major mass media. Today, large stocks of audiovisual media are managed in databases and media libraries. The content is provided to professional users as well as private consumers. A particular challenge lies in the indexing, searching and description of multimedia assets. The segmentation of audiovisual media as a branch of video analysis forms the basis for various applications in multimedia information retrieval, content browsing and video summarization. In particular, the segmentation into semantic meaningful scenes or sequences is difficult. It requires a special understanding of cinematic style elements that were used to support the narration during the creative process of film production. This work examines the cinematic style elements and how they can be used in the context of algorithmic methods for analysis. For this purpose, an analysis framework was developed as well as a method for sequence-segmentation of films and videos. It can be shown that semantic relationships can be found in narrative audiovisual media, which lead to an appropriate sequence segmentation, by using a multi-stage analysis process, based on visual MPEG-7 descriptors.

Audiovisuelle Medien, insbesondere Filme und Fernsehsendungen entwickelten sich innerhalb der letzten einhundert Jahre zu bedeutenden Massenmedien. Große Bestände audiovisueller Medien werden heute in Datenbanken und Mediatheken verwaltet und professionellen Nutzern ebenso wie den privaten Konsumenten zur Verfügung gestellt. Eine besondere Herausforderung liegt in der Indexierung, Durchsuchung und Beschreibung der multimedialen Datenbestände. Die Segmentierung audiovisueller Medien, als Teilgebiet der Videoanalyse, bildet die Grundlage für verschiedene Anwendungen im Bereich Multimedia-Information-Retrieval, Content-Browsing und Video-Summarization. Insbesondere die Segmentierung in semantische Handlungsanschnitte bei narrativen Medien gestaltet sich schwierig. Sie setzt ein besonderes Verständnis der filmischen Stilelemente vorraus, die im Rahmen des Schaffensprozesses genutzt wurden, um die Handlung und Narration zu unterstützten. Die Arbeit untersucht die bekannten filmischen Stilelemente und wie sie sich im Rahmen algorithmischer Verfahren für die Analyse nutzen lassen. Es kann gezeigt werden, dass unter Verwendung eines mehrstufigen Analyse-Prozesses semantische Zusammenhänge in narrativen audiovisuellen Medien gefunden werden können, die zu einer geeigneten Sequenz-Segmentierung führen. / Audiovisual media, especially movies and TV shows, developed within the last hundred years into major mass media. Today, large stocks of audiovisual media are managed in databases and media libraries. The content is provided to professional users as well as private consumers. A particular challenge lies in the indexing, searching and description of multimedia assets. The segmentation of audiovisual media as a branch of video analysis forms the basis for various applications in multimedia information retrieval, content browsing and video summarization. In particular, the segmentation into semantic meaningful scenes or sequences is difficult. It requires a special understanding of cinematic style elements that were used to support the narration during the creative process of film production. This work examines the cinematic style elements and how they can be used in the context of algorithmic methods for analysis. For this purpose, an analysis framework was developed as well as a method for sequence-segmentation of films and videos. It can be shown that semantic relationships can be found in narrative audiovisual media, which lead to an appropriate sequence segmentation, by using a multi-stage analysis process, based on visual MPEG-7 descriptors.