Sprungmarken

Servicenavigation

Hauptnavigation

Sie sind hier:

Hauptinhalt

Detailseite



Automatische Auswertung von CARS-Mikroskopie-Daten

Lehrstuhl: Arbeitsgebiet Bildsignalverarbeitung

Betreuer: Arne Grumpe, Malte Lenoch, Christian Wöhler,

Beginn ab: nach Absprache mit den Teilnehmern

Maximale Anzahl der Teilnehmer: 10

Beschreibung: Die Raman-Spektroskopie bietet die Möglichkeit auf Basis charakteristischer Energien von Schwingungs- und Rotationsbewegungen, welcher bestimmten Molekülarten zugeordnet werden können sowohl qualitativ als auch quantitativ Substanzen nachzuweisen. Die CARS-Mikroskopie, eine Spezialform der nicht-linearen Raman-Spektroskopie, besitzt eine hohe räumliche und spektrale Auflösung. Zur Aufnahme der CARS-Mikroskopie-Daten wird ein Laser in der Wellenlänge verändert. Innerhalb der entstehenden zeitlichen Verzögerung kann es vorkommen, dass sich die untersuchten Proben, z.B. Gewebeproben in wässrigem Substrat, leicht verschieben. Darüber hinaus können manche Materialien bei Bestrahlung mit einem Laser eine Frequenzverdopplung (SHG) aufweisen. Diese Daten werden, zusätzlich zu den CARS-Mikroskopie-Daten, erfasst.

Ziel der Projektgruppe ist es, eine automatische Auswertung der CARS- und SHG-Daten zu entwickeln. Dabei sind zunächst die verschiedenen Sensoren aufeinander zu registrieren und eventuelle Verschiebungen der Probe zu berücksichtigen. Darüber hinaus soll durch eine entsprechende Vorverarbeitung der Daten die Qualität soweit verbessert werden, dass eine genauere Klassifikation verschiedener Substanzen, z.B. Muskelgewebe, Bindegewebe und erkranktes Gewebe, möglich wird. Abschließend sollen die einzelnen Bildpunkte, welche jeweils ein komplettes Spektrum beinhalten, klassifiziert und visualisiert werden.

Im Rahmen der Projektgruppe sind folgende Themenbereiche zu bearbeiten:
- Multi-modale Bildregistrierung (Überlagerung verschiedener Sensoren und gegebenenfalls Korrektur einer Verschiebung)
- Verbesserung der Datenqualität durch entsprechende Vorverarbeitung, z.B. Time Domain Kramers-Kronig (TDKK) oder Maximum Entropy (MEM) Verfahren
- Unüberwachte Klassifikation spektral aufgelöster Daten und automatische Detektion von "Auffälligkeiten"
- Annotation von Datensätzen und überwachte Klassifikation

Programmierkenntnisse in MATLAB und/oder C++ werden vorausgesetzt. Darüber hinaus sind Kenntnisse in der Signaltheorie und Bildverarbeitung wünschenswert.