Inhaltsverzeichnis
Werbung
Leica Microsystems Heidelberg GmbH
LCS Softwarefunktionen:
Beschreibung der Einzelfunktionen
Das Prinzip der adaptiven Farbstofftrennung (Adaptive Dye Separation)
Mit dem Algorithmus der adaptiven Farbstofftrennung können Fluoreszenzsignale, ohne Kenntnis der
verwendeten Fluoreszenzfarbstoffe, in einem Bilddatensatz identifiziert und getrennt werden. Dies ist
mit einer sogenannten Clusteranalyse möglich. Eine Clusteranalyse ist ein mathematisches Verfahren
zur Einteilung von Objekten in homogene Gruppen (Cluster). Die Einteilung in Gruppen erfolgt mittels
einer Variablen, das heißt eines Merkmals, das alle untersuchten Objekte beschreibt. Eine Gruppe ist
homogen, wenn ihre Objekte bezüglich der Variablen (des Merkmals) möglichst ähnlich sind.
Diese mathematische Klassifizierungsmethode wird auf das Problem der überlagerten
Fluoreszenzsignale angewendet. Bei den zu klassifizierenden Objekten handelt es sich um die
Intensitätswerte (Grauwerte der Pixel), die in verschiedenen Detektionskanälen
(Wellenlängenbereichen) aufgenommen wurden. Bildet man alle Kombinationen dieser
Intensitätswerte im sogenannten Merkmalsraum ab, besteht die Möglichkeit, diese in Gruppen zu
klassifizieren, das heißt einem Fluoreszenzfarbstoff, zuzuordnen. Als Merkmalsvariable dient die
Höhe des Intensitätswerts in den jeweiligen Detektionskanälen.
(3)
Intensitätswerte (Grauwerte) aus den
(4)
Objekte im dreidimensionalen Merkmalsraum
verschiedenen Detektionskanälen werden
Jeder Punkt repräsentiert ein Intensitätswerttripel
zu Vektoren zusammengefasst
Für die Anwendung der Clusteranalyse werden die Intensitätswertkombinationen als Punkte im
Merkmalsraum abgebildet
. Im Unterschied zum Ortsraum mit seinen drei räumlichen Achsen ist
(4)
der Merkmalsraum ein geometrischer Raum, dessen Dimensionen von Variablen gebildet wird. Im
Falle der in der Fluoreszenzmikroskopie untersuchten Bilddatensätze sind die Achsen des
Merkmalsraums die Intensitätswerte, die in verschiedenen Detektionskanälen
(Wellenlängenbereichen) gemessen wurden
(3)
. Jeder Punkt im Merkmalsraum ist durch einen Vektor
charakterisiert.
Die einzelnen Schritte der Clusteranalyse
Die ersten beiden Schritte der Clusteranalyse dienen der Reduktion der Datenmenge und damit der
Beschleunigung der Berechnung. In einem ersten Schritt werden jene Punkte, die dicht um den
Ursprung des Merkmalsraums liegen, entfernt
(5)
. Bei diesen Daten im unteren Wertebereich handelt
es sich um Rauschen, das keine Information über das Präparat beisteuert und deshalb entfernt
werden kann. Der zweite Schritt besteht darin, die im Merkmalsraum gestreuten Punkte auf die
Einheitskugel, eine Kugel mit dem Radius 1, zu projizieren
(6)
.
Benutzerhandbuch Leica TCS SP2 deutsch
Art.Nr.: 15-9330-052 / Vers.: 14012003
Seite 231 von 323
Werbung
Inhaltsverzeichnis
