3D-Bilddaten: Bessere Auswertung durch Automatisierung
Dreidimensionale Bilddaten haben fundamentale Bedeutung für die Forschung in Natur- und Ingenieurwissenschaften. Ein entscheidender Teil der Analyse solcher Volumenbilder ist die sogenannte Segmentierung, die es etwa ermöglicht, einzelne Organe eines Organismus voneinander getrennt sichtbar zu machen und weiterzubearbeiten – eine bei manueller Ausführung äußerst aufwendige, langwierige und fehleranfällige Tätigkeit. Einem Team aus dem Heidelberger Institut für Theoretische Studien, dem Karlsruher Institut für Technologie (KIT), der Universität Heidelberg und der Technischen Universität Darmstadt stellt jetzt mit der Biomedical Image Segmentation App „Biomedisa“ eine leicht zu bedienende Open-Source-Plattform für die semi-automatische Segmentierung biomedizinischer 3D-Daten vor. Das Team berichtet aktuell in Nature Communications.
„Biomedisa kann den Segmentierungsprozess enorm beschleunigen und liefert zumeist genauere Ergebnisse, als dies bei einer rein manuellen Segmentierung der Fall ist“, erläutert Thomas van de Kamp, Biologe am Institut für Photonenforschung und Synchrotronstrahlung (IPS) des KIT. An den Experimentierstationen des IPS an der KIT Light Source werden große Serien biologischer, paläontologischer und materialwissenschaftlicher Proben mittels Röntgen-Mikrotomographie digitalisiert. Biomedisa ist ein hilfreiches Werkzeug für die Analyse solch gewaltiger Datenmengen.
Darüber hinaus kann Biomedisa auch das Training künstlicher neuronaler Netze beschleunigen. Dadurch rückt die Möglichkeit einer vollständig automatisierten Segmentierung der Volumendaten großer Probenserien nun auch für breite wissenschaftliche Anwendungen in greifbare Nähe.
jho, 13.11.2020