Login
- Originaltitel:
- Enabling real-time light-field 3D fluorescence microscopy through computational microscopy and deep learning
- Übersetzter Titel:
- Ermöglichung von Echtzeit-Lichtfeld-3D-Fluoreszenzmikroskopie durch computergestützte Mikroskopie und Deep Learning
- Autor:
- Page Vizcaíno, Josué
- Jahr:
- 2023
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Computation, Information and Technology
- Betreuer:
- Lasser, Tobias (Priv.-Doz. Dr.)
- Gutachter:
- Lasser, Tobias (Priv.-Doz. Dr.); Favaro, Paolo (Prof. Dr.)
- Sprache:
- en
- Fachgebiet:
- FEI Feinwerktechnik, Medizintechnik, Technische Optik, Reprographietechnik
- Stichworte:
- 3D-imaging, fluorescence, deconvolution, deep-learning, normalizing-flows, 3D-reconstruction
- Übersetzte Stichworte:
- 3D-Bildgebung, Fluoreszenz, Dekonvolution, deep-learning, normalizing-flows, 3D-Rekonstruktion
- TU-Systematik:
- PHY 820; MED 370
- Kurzfassung:
- This work integrates computational sciences and microscopy to develop real-time 3D fluorescent imaging tools for living specimens, such as zebrafish neural activity. We employed tools like a light-field microscope, deep and Bayesian learning, and joint optimization of the optical system and reconstruction algorithm. Also, we present a set of tools for research project organization, including subjects like time and hardware management and experiment repeatability.
- Übersetzte Kurzfassung:
- Diese Arbeit integriert Computerwissenschaften und Mikroskopie, um 3D-Fluoreszenz-Imaging-Tools in Echtzeit zu entwickeln. Wir haben Werkzeuge wie ein Lichtfeldmikroskop, Deep Learning und Bayes Lernen sowie die gemeinsame Optimierung des optischen Systems und des Rekonstruktionsalgorithmus eingesetzt. Außerdem stellen wir eine Sammlung von Werkzeugen für die Organisation von Forschungsprojekten vor, einschließlich Themen wie Zeit- und Hardwaremanagement und Wiederholbarkeit von Experimenten.
- WWW:
- https://mediatum.ub.tum.de/?id=1700499
- Eingereicht am:
- 22.02.2023
- Mündliche Prüfung:
- 25.07.2023
- Dateigröße:
- 46331509 bytes
- Seiten:
- 133
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230725-1700499-1-8
- Letzte Änderung:
- 25.08.2023
BibTeX
Vorkommen:
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenFachgebietFeinwerktechnik, Medizintechnik, Technische Optik, Reprographietechnik
- mediaTUM GesamtbestandElektronische PrüfungsarbeitenSchoolTUM School of Computation, Information and Technology