Not logged in.

Quick Search - Contribution

Contribution Details

Type Bachelor's Thesis
Scope Discipline-based scholarship
Title Interactive feature detector for biomedical structural analysis
Organization Unit
Authors
  • Serge Hänni
Supervisors
  • Renato Pajarola
  • Susanne Suter
Institution University of Zurich
Faculty Faculty of Economics, Business Administration and Information Technology
Date 2010
Abstract Text Histological dental growth analyses are conducted to obtain various biological, anthropological and forensic conclusions, ranging from phylogenetic insights to time estimation such as the individual's age at death. They focus on manual counting and measurement of certain growth structures found in dental hard tissues. As these analyses are tedious to perform and are prone to observer errors, computational tools and algorithms are needed to facilitate their performance and increase their reliability. To cope with this problem, concepts that support a high degree of user interactivity with a software framework are developed. The implementation allows to manually annotate dental structures on digital images in several ways and includes a first approach to an automatic detection of these dental structures. It is shown that the semi-automatic detection needs to be further improved and that further tools are needed to simplify studies and their reproducibility among researchers.
Zusammenfassung Histologische Wachstumsanalysen in Zähnen werden durchgeführt, um verschiedene biologische, anthropologische und forensische Schlussfolgerungen zu ziehen, wie z.B. phylogenetische Erkenntnisse oder Schätzungen über des Individuum's Alter zum Zeitpunkt des Todes. Sie konzentrieren sich auf manuelle Zählung und Messung bestimmter Wachstumsstrukturen im Hartgewebe von Zähnen. Da die Durchführung dieser Analysen schwerfällig und anfällig für Beobachtungs-Fehler ist, werden rechnergestützte Werkzeuge und Algorithmen benötigt, um deren Durchführung zu erleichtern und ihre Zuverlässigkeit zu erhöhen. Zur Bewältigung dieses Problems werden interaktive Konzepte vorgeschlagen und als Software-Framework implementiert. Sie ermöglichen, auf unterschiedliche Art und Weise, die manuelle Markierung der Wachstumsstrukturen auf digitalen Bildern und enthalten eine erste Annäherung an eine automatische Erkennung der Strukturen. Es wird gezeigt, dass die semi-automatische Erkennung weiter verbessert werden muss und dass weitere Hilfsinstrumente erforderlich sind, um histologische Zahnstudien zu vereinfachen und ihre Reproduzierbarkeit zu verbessern.
PDF File Download
Export BibTeX