Nachwuchsgruppen 'Biomedizinische Bildverarbeitung'

Dagmar Kainmüller hat im Mai 2018 mit dem Aufbau der Nachwuchsgruppe "Biomedizinische Bildanalyse" am BIH begonnen.

Forschungsschwerpunkt

Die AG Kainmueller entwickelt neue theoretische Ansätze für die Bildanalyse in der Biologie, vor allem für die Hochdurchsatz-Mikroskopie. Dabei kommt unter anderem maschinelles Lernen zum Einsatz.

Wir konzentrieren uns in der theoretischen Arbeit auf die Erfassung von "prior knowledge", also auf Vorkenntnisse aus der Biologie, die in maschinelle Lernmodelle und die zugrundeliegenden Optimierungsprobleme einfließen. Die biologischen Fragen betreffen etwa die Segmentierung, die Annotation und das Tracking von Zellen in Mikroskopiebildern. Ein einfaches Beispiel für diese biologische Vorwissen sind die polygonalen Formen von Epithelzellen, die wabenartige Gitter bilden.

Forschungsziel

Wir machen uns biologisches Vorwissen, beispielsweise über die Zellkonstanz des Fadenwurms C. elegans und der Neuronen der Fruchtfliege Drosophila, zunutze, um akkurate Methoden für die Analyse entsprechender Mikroskopiedaten zu entwickeln.

Einzelne Fadenwürmer der Art Caenorhabditis elegans sind hinsichtlich Anzahl und Funktion ihrer Zellkerne exakte Kopien voneinander. Daher lassen sich Genexpressionsdaten auf zellulärer Ebene aus verschiedenen Individuen sich zu einem gemeinsamen Referenzatlas zusammenführen. Dafür müssen die Zellen jedoch in Mikroskopiebildern mit ihren eindeutigen biologischen Namen versehen, also annotiert, werden. Dies ist eine äußerst zeitraubende Aufgabe, selbst für ausgebildete Anatomen.

Das Kainmueller-Lab will diese Annotation weitgehend automatisieren und das Training der zugrunde liegenden Lernmodelle optimieren, etwa durch "unüberwachtes maschinelles Lernen", welches keine Referenzvorlagen für den Lernprozess benötigt.

Ähnlich wie bei Fadenwürmern ist auch das Gehirn der Taufliege Drosophila auf der Ebene der einzelnen Neuronen stereotypisiert. Hier konzentrieren wir die Forschung auf den automatisierten Abgleich von in-vivo Beobachtungen der Neuronenfunktion in der Lichtmikroskopie mit detaillierten Beobachtungen der Neuronenkonnektivität in der Elektronenmikroskopie und umgekehrt.

Ausgewählte Publikationen

Dye, N.A., Popović, M., Spannl, S., Etournay, R., Kainmueller, D., Ghosh, S., Myers, E.W., Jülicher, F. and Eaton, S. (2017). Cell dynamics underlying oriented growth of the Drosophila wing imaginal disc. Development, doi:10.1242/dev.155069

Swoboda, P., Rother, C., Abu Alhaija, H., Kainmueller, D and Savchynskyy, B. (2017). A Study of Lagrangean Decompositions and Dual Ascent Solvers for Graph Matching. Proc. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 1607-1616.

Schlesinger, D., Jug, F., Myers, G., Rother, C., and Kainmueller, D. (2017). Crowd sourcing image segmentation with iaSTAPLE. Proc. IEEE International Symposium on Biomedical Imaging (ISBI), 401-405.

Royer, L., Richmond, D., Rother, C., Andres, B., and Kainmueller, D. (2016). Convexity Shape Constraints for Image Segmentation. Proc. CVPR, 402-410.

Richmond, D., Kainmueller*, D., Yang, M., Myers, G., and Rother, C. (2016). Mapping Auto-context Decision Forests to Deep ConvNets for Semantic Segmentation. Proc. British Machine Vision Conference (BMVC), 144.1-144.12. *shared first authors

Richmond, D., Kainmueller*, D., Glocker, B., Rother, C., and Myers, G. (2015). Uncertainty-driven Forest Predictors for Vertebra Localization and Segmentation. Proc. Medical Image Computing and Computer Assisted Intervention (MICCAI), Springer Lecture Notes in Computer Science (LNCS) 9349, 653–660. *shared first authors

Stapel, L.C., Lombardot, B., Broaddus, C., Kainmueller, D., Jug, F., E.W. Myers, and Vastenhouw, N. (2015). Automated detection and quantification of single RNAs at cellular resolution in zebrafish embryos. Development 143(3), 540-546.

Kainmueller, D., Jug, F., Rother, C., and Myers G. (2014). Active Graph Matching for Automatic Joint Segmentation and Annotation of C. Elegans. Proc. MICCAI, Springer LNCS 8673, 81-88.

Kainmueller, D., Lamecker, H., Weber, B., Heller, M., Hege, H.-C., and Zachow, S. (2013). Omnidirectional Displacements for Deformable Surfaces. Medical Image Analysis 17(4), 429-441.