权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Analysis and Modelling of Dynamic BioImages with Bayesian Spatial Statistics

贝叶斯空间统计动态生物图像分析和建模

基本信息

批准号：
192340423
负责人：
Professor Dr. Volker Johann Schmid
金额：
--
依托单位：
Institut für Statistik
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2011
资助国家：
德国
起止时间：
2010-12-31 至 2017-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/192340423?language=en
关键词：
Analysis Modelling Dynamic BioImages Bayesian

项目摘要

Dynamische Bilder, also über die Zeit aufgenommene 2D- oder 3D-Bilder, werden in Biologie und Medizin zur Messung kinetischer Prozesse in-vivo gewonnen. Dazu werden verschiedene Aufnahmetechnologien verwendet, z.B. Fluoreszenzmikroskopie und Magnetresonanztomographie. Aus statistischer Sicht haben dynamische Bilder – unabhängig von der Art der Aufnahme – die gleiche Datenstruktur. Das Signal in jedem Voxel kann durch ein kinetisches Modell beschrieben werden, abgeleitet aus den biologischen Prozessen im Organismus. Biologische Modelle für dynamische Bilder sind oft simplifiziert, um die Schätzung der Parameter mit konventionellen Methoden zu ermöglichen. Ziel dieses Projekts ist es, räumliche, statistische Modelle zur Analyse dynamischer Bilder zu entwickeln und anzuwenden. Wir verwenden Bayesianische Inferenz, um robuste Schätzungen für realistischere biologische Modelle zu erhalten. Zur Wahl zwischen konkurrierenden lokalen kinetischen Modelle werden wir Kriterien entwickeln, wobei wir berücksichtigen, dass, im Gegensatz zur traditionellen Modellwahl, die lokalen kinetischen Kurven nicht unabhängig sind. Durch die Verwendung räumlicher Priori-Information können wir robustere Schätzungen und zusätzlich Informationen über die räumliche Struktur erhalten. Außerdem werden wir Techniken entwickeln, multiple dynamische Bilder gleichzeitig zu analysieren. Zwei Anwendungen dynamischer Bilder, werden die Entwicklung statistischer Methoden anregen, Fluorescence Recovery After Photobleaching (FRAP) und Dynamic Contrast-Enhanced Magnetic Resonance Imaging (DCE-MRI).

Dynamische Bilder，又称<s:1> ber die Zeit aufgenome 2D- oder 3D-Bilder，发表于《生物学与医学》杂志。[3]大祖。荧光显微镜与磁共振层析成像。奥地利统计学家与动力学学家- unabhängig德国统计学家与动力学学家-德国统计学家与动力学学家。在动力学模型中，基于jdem体素的生物信号分析。生物模型模型<e:1>动力学模型是一种简化的模型，例如：Schätzung参数控制方法ermöglichen。Ziel dieses projects list, räumliche，统计模型与分析动力学模型与分析动力学模型。基于贝叶斯理论的模型分析，基于鲁棒性的模型分析Schätzungen；Zur Wahl zwischen konkurrierenden lokalen kinetischen Modelle werden wir kriteren entwickeln, wobei wir bercksictigen, dass, im Gegensatz Zur traditionellen modelellwahl, die lokalen kinetischen Kurven night unabhängig sind。Durch die Verwendung räumlicher priority - information können wir robusteere Schätzungen und zusätzlich Informationen <s:2> ber die räumliche strucktur erhalten。auß ßerdem werden wir Techniken entwickeln，多动态Bilder gleichzetitig zu analysieren。Zwei Anwendungen dynamischer Bilder, werden die Entwicklung statistical scher Methoden anregen，荧光漂白后恢复（FRAP）和动态对比增强磁共振成像（DCE-MRI）。