Geautomatiseerde Segmentatie van 3D Elektronenmicroscopiebeelden

Mitochondriën en endoplasmatisch reticulum zijn van grote interesse bij biologen vanwege hun invloed op ziekten zoals kanker, dementie, Alzheimer, enz. Om deze structuren te visualiseren en analyseren, worden typisch 3D elektronenmicroscopen (EM) gebruikt vanwege hun hoge resolutie. Bijgevolg worden biologen met grote hoeveelheden complexe data geconfronteerd die dient geanalyseerd te worden.

In dit werk worden technieken bestudeerd die beeldanalyse (meerbepaald segmentatie) in volume EM automatiseren. Er worden beeldrestauratie-algoritmen ontwikkeld die ruis en blur uit het beeld verwijderen. Verder worden machine learning domeinen zoals unsupervised learning, ensembles en domeinadaptatie bestudeerd om een meer ergonomische segmentatiepijplijn toe te laten.