Visualization and Analysis of 3D-Connectivity at Cell Resolution

Abstract

Der Fortschritt von Abbildungstechnologien ermöglicht die digitale Kartierung des menschlichen Körpers in sich ständig verbessernden Auflösungen. Mehrere Forschungsprogramme haben Abbildungen von verschiedenen funktionalen Gewebeeinheiten und auch Abbildungen von einzelnen Zellen erstellt, um den menschlichen Körper und seine Krankheitszustände gemeinsam digital zu kartieren. Neuartige Beiträge zu diesen Forschungsprogrammen eröffnen eine Vielzahl an Möglichkeiten, die funktionelle Komplexität der Organe sowie deren Voranschreiten von Krankheiten im Detail zu erforschen. Die Analyse der Konnektivität zwischen funktionalen Gewebeeinheiten oder einzelnen Zellen ist dabei ein wesentlicher Teil dieser Forschung, da angenommen wird, dass diese Elemente über verschiedenste Wege kommunizieren. Diese Arbeit präsentiert zwei unabhängige Anwendungen, welche Forscher bei der Analyse von Konnektivität unterstützen. Erstens, eine installierbare Python Anwendung, mit welcher Oberflächen-Polygonnetze und eine Abstraktion der Konnektivität in Form eines Graphen generiert werden können. Hierzu wird zusätzlich eine Methode vorgeschlagen, welche die tatsächliche Konnektivität von unvollständigen röhrenförmigen Polygonnetzen empfiehlt. Zweitens, eine interaktive web-basierte Visualisierungsanwendung, welche die Konnektivitätsanaylse unterstützt, indem sie eine dreidimensionale Ansicht mit zwei Graph-Ansichten der Konnektivitätsabstraktion synchronisiert. Die Anwendbarkeit der Programme wird mit drei unterschiedlichen Datensätzen getestet und vorgeführt. Hierbei wird die Konnektivität zwischen Glomeruli und Nerven in der Niere, die Konnektivität von intraepithelialen Läsionen in Gängen der Pancreas mit dem umliegenden Nervensystem, sowie die Konnektivität zwischen den einzelnen Zellen eines Melanoms untesucht.

With the advancement of imaging technologies, the mapping of the human body at continually increasing resolution becomes possible. Multiple research programs have achieved the imaging of various functional tissue units at cell resolution and even the imaging of single-cells in a combined effort to map out the human body and its disease states. Novel contributions to these programs open up a multitude of avenues to explore the functional complexity and disease progression of organs in even more detail. A vital part of this exploration is the analysis of connectivity between the functional tissue units or single-cells, as they are believed to communicate through diverse channels. This thesis presents two independent tools that empower researchers to improve their connectivity analysis workflows. Firstly, an installable Python tool that generates surface meshes and a connectivity abstraction in the form of a network from segmented volumetric data. In the course of this, a method for suggesting the connectivity of incomplete tubular meshes is proposed. Secondly, an interactive web-based visualization tool that improves connectivity analysis by synchronizing a three-dimensional spatial view with two network views that incorporate the connectivity abstraction. The applicability of both tools is tested and showcased with data from three distinct fields by analyzing the connectivity between glomeruli and nerves in the kidney, the connectivity of intraepitheliel lesions in pancreatic ducts with the surrounding nervous system, and the connectivity between single-cells of a melanoma.