Analysis and Modelling of Dynamic BioImages with Bayesian Spatial Statistics

动态图像，也称为二维或三维图像，韦尔登用于生物学和医学，以测量体内运动过程。大足韦尔登化工有限公司.磁共振成像技术从统计学上看，这是一幅动态的图片--一幅来自于《艺术启蒙》--的数据结构画。体素中的信号可以通过一个运动学模型来确定韦尔登，它可以通过生物过程在器官中产生。Biologische Modelle für dynamische Bilder sind oftfiziert，um die Schätzung der Parameter mit konventionellen Methoden zu ermöglichen.这些项目是一个快速的统计模型，用于分析动态图像的发展和变化。我们进行贝叶斯推断，建立一个可靠的现实主义生物学模型。因此，我们可以在标准化的基础上对局部动力学模型进行韦尔登，因为在传统模型的基础上，局部动力学模型并不完全相同。Despite die Verwendung räumlicher Priori-Information können wir robustere Schätzungen und zusätzlich Informationen über die räumliche Struktur erhalten.因此韦尔登我们将从技术上着手，对多幅动态图像进行分析。两张动态图片，韦尔登的开发统计学方法，光漂白后荧光恢复（FRAP）和动态对比增强磁共振成像（DCE-MRI）。

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).