001022280 001__ 1022280
001022280 005__ 20240208202849.0
001022280 037__ $$aFZJ-2024-01398
001022280 1001_ $$0P:(DE-Juel1)176656$$aHabbel, Daniel$$b0$$eCorresponding author
001022280 245__ $$aAutomatische Segmentierung von 3D-Wurzelstrukturen aus Positronenemissionstomographie-Daten$$f - 2024-01-30
001022280 260__ $$c2024
001022280 300__ $$a85 p.
001022280 3367_ $$2DataCite$$aOutput Types/Supervised Student Publication
001022280 3367_ $$02$$2EndNote$$aThesis
001022280 3367_ $$2BibTeX$$aMASTERSTHESIS
001022280 3367_ $$2DRIVER$$amasterThesis
001022280 3367_ $$0PUB:(DE-HGF)19$$2PUB:(DE-HGF)$$aMaster Thesis$$bmaster$$mmaster$$s1707380704_9882
001022280 3367_ $$2ORCID$$aSUPERVISED_STUDENT_PUBLICATION
001022280 502__ $$aMasterarbeit, FH Aachen, 2024$$bMasterarbeit$$cFH Aachen$$d2024
001022280 520__ $$aBei 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.
001022280 536__ $$0G:(DE-HGF)POF4-2171$$a2171 - Biological and environmental resources for sustainable use (POF4-217)$$cPOF4-217$$fPOF IV$$x0
001022280 909CO $$ooai:juser.fz-juelich.de:1022280$$pVDB
001022280 9131_ $$0G:(DE-HGF)POF4-217$$1G:(DE-HGF)POF4-210$$2G:(DE-HGF)POF4-200$$3G:(DE-HGF)POF4$$4G:(DE-HGF)POF$$9G:(DE-HGF)POF4-2171$$aDE-HGF$$bForschungsbereich Erde und Umwelt$$lErde im Wandel – Unsere Zukunft nachhaltig gestalten$$vFür eine nachhaltige Bio-Ökonomie – von Ressourcen zu Produkten$$x0
001022280 9141_ $$y2024
001022280 920__ $$lyes
001022280 9201_ $$0I:(DE-Juel1)IBG-2-20101118$$kIBG-2$$lPflanzenwissenschaften$$x0
001022280 980__ $$amaster
001022280 980__ $$aVDB
001022280 980__ $$aI:(DE-Juel1)IBG-2-20101118
001022280 980__ $$aUNRESTRICTED