Hohe Datenvolumen im Griff

Software, die Mikroskopie nutzerfreundlicher macht
Forscher des MPI-CBG haben mit innovativen Ideen ein derzeitiges Problem der Mikroskopie gelöst: Riesige Datenmengen konnten bisher nicht live direkt beim Mikroskopieren verarbeitet oder analysiert werden. Zwei neue Software-Ansätze aus dem MPI-CBG machen sich genau daran und schaffen es nun, Mikroskopietechniken mit hohem Datenvolumen deutlich nutzerfreundlicher zu gestalten. Die Ergebnisse haben die Forscher in der Fachzeitschrift Nature Methods veröffentlicht.

Die Arbeitsgruppen von Gene Myers und Ivo Sbalzarini haben mit ClearVolume eine Software entwickelt, mit der man Mikroskopiedaten während des Mikroskopiervorgangs in 3D betrachten kann. Dazu stellt ClearVolume ein Rendering der Daten in mehreren Farbstufen und aus verschiedenen Blickwinkeln her, das über das Internet abgerufen werden kann. So ist es egal, wo das Mikroskop steht - ein Wissenschaftler kann die Unversehrtheit seiner Probe und die Qualität der gewonnenen Bilder auch aus der Ferne jederzeit überprüfen. Besonders für Mikroskopieformen mit sehr hohem Datenaufkommen, wie die Lichtscheibenmikroskopie, ist dies ein wichtiger Schritt. ClearVolume ist eine Open-Source-Software.

BigDataViewer ist eine weitere Open-Source-Software aus dem MPI-CBG, mit der sich Mikroskopiedaten von mehreren Terabytes problemlos betrachten lassen. Entwickelt wurde sie in der Arbeitspgruppe von Pavel Tomancak. Um die riesigen Datenmengen zu handhaben, arbeitet die Software mit einer intelligenten Aufeinanderabstimmung des Ladens und Cachens der Daten und einem Renderer, der lokal auf dem Rechner des Nutzers arbeitet.

Originalveröffentlichungen:

Loic A. Royer, Martin Weigert, Ulrik Günther, Nicola Maghelli, Florian Jug, Ivo F. Sbalzarini, Eugene W. Myers:
ClearVolume: open-source live 3D visualization for light sheet microscopy
Nature Methods, online veröffentlicht am 28. Mai 2015
doi:10.1038/nmeth.3372

Tobias Pietzsch, Stephan Saalfeld, Stephan Preibisch & Pavel Tomancak:
BigDataViewer: visualization and processing for large image data sets
Nature Methods, online veröffentlicht am 28. Mai 2015
doi:10.1038/nmeth.3392