Analysis and Modelling of Dynamic BioImages with Bayesian Spatial Statistics

点击翻译按钮获取中文摘要

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).