guest ::
| Home > Publications database > Automatische Segmentierung von 3D-Wurzelstrukturen aus Positronenemissionstomographie-Daten |
| Home > Publications database > Automatische Segmentierung von 3D-Wurzelstrukturen aus Positronenemissionstomographie-Daten |
| Master Thesis | FZJ-2024-01398 |
2024
Abstract: Bei der Untersuchung von Transportprozessen der Pflanzenwurzeln kann die Positronen-Emissions-Tomographie (PET) genutzt werden, um nicht-invasive Aufnahme der inneren Vorgänge der Pflanzen zu erzeugen. Die Gewinnung und Auswertung dieser Informationen kann dabei helfen, ressourceneffizientere sowie ertragreichere Pflanzen zu entwickeln. Die manuelle Aufbereitung der PET-Daten benötigt je nach Komplexität der Wurzelstruktur 30 Minuten bis 3 Stunden pro Datensatz. Bei sich anhäufenden Messungen zu Experimenten bietet es sich daher an, Automatisierungsmöglichkeiten dieses Vorgehens zu entwickeln. In dieser Arbeit werden eine Datenstruktur und ein Programm zur effizienten Automatisierung der Überführung von PET-Wurzeldaten in eine Skelett-und Graphrepräsentation entwickelt, um den nötigen manuellen Arbeitsaufwand zu minimieren. Zur besseren Nutzerhandhabung und Minimierung der Nutzerinteraktion werden möglichst viele Aktionen automatisiert und gleichzeitig dem Nutzer an jeder Stelle Möglichkeiten zum Eingreifen gegeben.Zur Entwicklung werden Bildverarbeitungsmethoden von MeVisLab, scikit-image und sknw verwendet. Vorbereitend werden die grundlegenden Algorithmen erläutert und die Erkenntnisse genutzt, um eine Datenstruktur und ein Programm zu entwickeln. Aufbauend auf diesem werden Optimierungen implementiert, welche auftretende Artefakte bei der Skelett- und Grapherzeugung entfernen, automatisch Parameter für die genutzten Algorithmen anhand von Bildmerkmalen bestimmen und dem Nutzer verschiedenste Eingriffsmöglichkeiten bieten.Das erarbeitete Programm wird mit verschiedenen Testfällen auf potentielle Problemquellen getestet. Dabei treten verschiedene Merkmale hervor. Es entstehen X- und brückenartige Strukturen, wenn die Originalwurzeln sich in einer Fläche berühren. Die Längen und Anzahl der segmentierten außenliegenden Wurzeln und die Qualität stehen wegen des genutzten Filters und Region-Growing-Algorithmus in einem Trade-Off gegenüber. Es kann festgestellt werden, dass diese Problemquellen hauptsächlich bei komplexeren und nah nebeneinander wachsenden Wurzeln auftreten, aber auch wenn der Unterschied zwischen Wurzel und Rauschen zu gering wird. Zusammenfassend kann festgehalten werden, dass die in dieser Arbeit erstellte Datenstruktur und das Programm erfolgreich auf Datensätze einfacher und mittlerer Komplexität anwendbar sind. Zur weiteren Optimierung und Erweiterung auf komplexere Datensätze wird ein Ausblick auf weitere Methoden und Algorithmen gegeben.
|
The record appears in these collections: |