DC FieldValueLanguage
dc.contributor.advisorGröller, Eduard-
dc.contributor.authorTroidl, Jakob-
dc.date.accessioned2021-07-16T09:30:49Z-
dc.date.issued2021-
dc.date.submitted2021-07-
dc.identifier.urihttps://doi.org/10.34726/hss.2021.73868-
dc.identifier.urihttp://hdl.handle.net/20.500.12708/18083-
dc.descriptionArbeit an der Bibliothek noch nicht eingelangt - Daten nicht geprüft-
dc.descriptionAbweichender Titel nach Übersetzung der Verfasserin/des Verfassers-
dc.description.abstractNeueste hochauflösende elektronenmikroskopische Aufnahmen ermöglichen Neurowissenschaftlern, nicht nur Zellen, sondern auch einzelne Zellstrukturen aus Mäusegehirnen zu rekonstruieren. Auf Basis dieser Daten erhoffen sie sich, ein besseres Verständnis der Gehirnfunktion und -entwicklung zu gewinnen, indem sie lokale Nachbarschaften von Zellstrukturen detailliert analysieren. Genaue Analysen erfordern jedoch einen effizienten und skalierbaren Vergleich unterschiedlicher Zellstrukturen, die von zwei bis zu Hunderten von lokalen Nachbarschaften reichen. Wissenschaftler müssen in der Lage sein, die 3D-Morphologie der Zellstrukturen, ihre räumlichen Verteilungen und Abstände sowie deren Korrelationen zu analysieren. Die zentrale Prämisse dieser Arbeit ist, die Schwierigkeit eine einheitliche Lösung für die vergleichende Visualisierung bereitzustellen, um die gegebene breite Palette von Aufgabenzu unterstützen. Deshalb haben wir NeuroKit als leicht konfigurierbaren Werkzeugkasten entwickelt, der es Wissenschaftlern ermöglicht, den Arbeitsablauf, die Visualisierungen und die unterstützten Benutzerinteraktionen an ihre spezifischen Aufgaben und Fragestellungen anzupassen. Darüber hinaus bietet NeuroKit einen skalierbaren, vergleichenden Visualisierungsansatz für die räumliche Nachbarschaftsanalyse von Gehirnstrukturen. NeuroKit unterstützt interaktive 3D-Renderings sowie abstrakte quantitative Visualisierungen und ordnet diese automatisch in der Benutzeroberfläche an. Um neue domänen spezifische Analysen zu unterstützen, erlauben wir die Definition von individualisiertenVisualisierungen und deren Parametern. Diese Konfigurierbarkeit ist mit einem neuartigen skalierbaren visuellen Vergleichsansatz verknüpft, der die Visualisierungen automatisch an die Anzahl der zu vergleichenden Strukturen anpasst. Wir demonstrieren einen detaillierten Anwendungsfall für die Analyse von Mitochondrien und analysieren die Nützlichkeit von NeuroKit in einer qualitativen Studie mit Neurowissenschaftlern.de
dc.description.abstractRecent high-resolution electron microscopy imaging allows neuroscientists to reconstruct not just entire cells but individual cell substructures (i.e., cell organelles) as well. Based on these data, scientists hope to get a better understanding of brain function and development through detailed analysis of local organelle neighborhoods. However, in-depth analyses require efficient and scalable comparison of a varying number of cell organelles, ranging from two to hundreds of local spatial neighborhoods. Scientists need to be able to analyze the 3D morphologies of organelles, their spatial distributions and distances, and their spatial correlations. This thesis's central premise is that it is hard to provide a one-size-fits-all comparative visualization solution to support the given broad range of tasks and scales. To address this challenge, we have designed NeuroKit as an easily configurable toolkit that allows scientists to customize the tool's workflow, visualizations, and supported user interactions to their specific tasks and domain questions. Furthermore, NeuroKit provides a scalable comparative visualization approach for spatial neighborhood analysis of nanoscale brain structures. NeuroKit supports small multiples of spatial 3D renderings as well as abstract quantitative visualizations, and arranges them in linked and juxtaposed views. To adapt to new domain-specific analysis scenarios, we allow the definition of individualized visualizations and their parameters for each analysis session. This configurability is tied in with a novel scalable visual comparison approach that automatically adjusts visualizations based on the number of structures that are being compared. We demonstrate an in-depth use case for mitochondria analysis in neuronal tissue and analyze the usefulness of NeuroKit in a qualitative user study with neuroscientists.en
dc.format114 Seiten-
dc.languageEnglish-
dc.language.isoen-
dc.subjectVergleichende Visualisierungde
dc.subjectComputergestützte Neurowissenschaftende
dc.subjectComparative Visualizationen
dc.subjectComputational Neuroscienceen
dc.titleSpatial Neighborhood Analysis and Comparison for Nanoscale Brain Structuresen
dc.typeThesisen
dc.typeHochschulschriftde
dc.identifier.doi10.34726/hss.2021.73868-
dc.publisher.placeWien-
tuw.thesisinformationTechnische Universität Wien-
tuw.publication.orgunitE193 - Institut für Visual Computing and Human-Centered Technology-
dc.type.qualificationlevelDiploma-
dc.identifier.libraryidAC16257094-
dc.description.numberOfPages114-
dc.thesistypeDiplomarbeitde
dc.thesistypeDiploma Thesisen
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openaccessfulltextOpen Access-
item.openairetypeThesis-
item.openairetypeHochschulschrift-
item.fulltextwith Fulltext-
item.languageiso639-1en-
item.grantfulltextopen-
item.cerifentitytypePublications-
item.cerifentitytypePublications-
Appears in Collections:Thesis

Files in this item:


Page view(s)

19
checked on Sep 13, 2021

Download(s)

16
checked on Sep 13, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.