Termine

Aktuelles

UNIGIS Abschlussarbeiten


Der krönende Abschluss eines UNIGIS MSc Studiums ist sicherlich die Master Thesis. Mit ihr belegen unsere MSc-AbsolventInnen, dass sie den akademischen Grad "Master of Science (Geographical Information Science & Systems)" zu Recht führen.  Im UNIGIS professional Studiengang muss keine Abschlussarbeit verfasst werden. Dennoch nehmen einige Studierende die Möglichkeit war, ein Geoinformatikprojekt durchzuführen und entsprechend zu dokumentieren.

Sie sind auf der Suche nach aktueller Literatur zu Geoinformatik-Themen?
Hier finden sie die mitunter preisgekrönten Abschlussarbeiten unserer AbsolventInnen!

Christoph Frank [11-2009]:

Validierung geostatistischer Methoden basierend auf hochauflösenden Magnetresonanztomographieaufnahmen

Diese Arbeit ist online verfügbar: Download


Im Rahmen des ÖAW-GIScience-Projekts Geostatistical space-time characterization of Multiple Sclerosis lesion distributions (GeoMS) werden auf geostatistischer Basis Methoden entwickelt, um die zeitliche und räumliche Entwicklung der Multiple-Sklerose-Krankheit (MS) zu untersuchen. In der medizinischen Diagnostik werden Magnetresonanztomographie-Aufnahmen des Gehirns und des Rückenmarks benützt, um den Krankheitsverlauf zu dokumentieren. die Entzündungsherde (sogenannte Läsionen) werden in Anzahl und Gesamtvolumen dokumentiert. Über den Zusammenhang zwischen räumlicher Verteilung der Läsionen und unterschiedlichen Krankheitsformen bzw. -verläufe der MS sind derzeit nur qualitative Erkenntnisse vorhanden (Austrian academy of Science 2009). Im GeoMS-Projekt werden die Ausprägung der Läsionen, deren räumliche Verteilung sowie deren zeitliche Entwicklung quantitativ geostatistisch erfasst und charakterisiert. auf dieser Basis wird untersucht, ob mit geostatistischen Modellierungen die weitere zeitliche und räumliche Enwicklung der Läsionen und damit mögliche Krankheitsverläufe prognostiziert werden können. Die Untersuchung der zeitlichen Entwicklung der Läsionen erfordert den Vergleich von Aufnahmen verschiedenen Datums. Ältere, niedriger auflösende MRT-Aufnahmen sollen für diesen Vergleich auf das Auflösungsniveau heutiger MRT Aufnahmen interpoliert werden. In der vorliegenden Arbeit wird die Interpolationsqualität (Erhöhung der räumlichen Auflösung) verschiedener klassischer geostatistischer Methoden geprüft. Geostatistische Methoden werden üblicherweise angewandt, um aus punktuell vorhandenen Datensätzen (z.B. Niederschlagsmessungen, geologische Bohrprofile) flächenhafte oder räumliche Interpolationen (3D-Modelle, Profilschnitte) zu erstellen. Die Qualität der Interpolationsergebnisse kann demnach auch nur stichprobenartig (Niederschlagsmessung, Aufschlussbohrung) an geeigneten und zugänglichen Prüfpunkten geprüft werden. Grundlage dieser Untersuchung bilden vollständige dreidimensionale Rasterdatensätze (MRT-Aufnahmen), so dass nicht nur stichprobenartig geprüft werden konnte, sondern die Interpolationswerte an jedem Punkt des Untersuchungsgebietes mit den wahren Werten verglichen werden konnten. Die vorhandenen hochauflösenden Rasterdatensätze wurden daher in Ihrer Auflösung zunächst künstlich reduziert. Zu Vergleichszwecken erfolgte die Reduktion rasterförmig in verschiedenen Reduktionsstufen. Auf der Basis der reduzierten Datensätze wurden dann geostatistische Interpolationen durchgeführt, um wieder einen hoch aufgelösten Datensatz zu erhalten. Als Interpolationsmethoden kamen die deterministische Inverse-Distance-Weighted-Methode und die probabilistische Indikator-Kriging-Methode mit variabler Parameterwahl zum Einsatz. Über den Vergleich der Schätzungsergebnisse mit den originaldaten wurden Qualitätsaussagen über die geostatistischen Methoden getroffen. Probabilistische geostatistische Interpolationen wurden mit der Hilfe des Programmes S-GeMS der Stanford University vorgenommen. Zur Visualisierung und für die IDW-Interpolationen diente das Programm Voxler der Golden Software Inc. Bei geringerundmittlerer Datenreduktion konnten bei den Interpolationsergebnissen räumliche Übereinstimmungsraten von 65 - 85 % erzielt werden. Eine hohe Datenreduktion auf 10 % (je Raumrichtung) verschlechtert die Übereinstimmungsrate auf 30 %. Die Berücksichtigung räumlicher Anisotropien verbessert die Interpolationsergebnisse in geringem Maße. Die probabilistische Indikator-Kriging-Methode zeigt Ihre Vorzüge gegenüber deterministischen Verfahren erst bei einer stark ausgedünnten Datenbasis. Bei geringen Datenreduktionen bringt der Aufwand einer probabilistischen Interpolation mit variographischen Untersuchungen keinen entscheidenden Vorteil gegenüber der einfacheren IDW-Methode. Jedoch konnten aus der Variographie räumliche Anisotrophien quantifiziert werden. Diese dienen zusammen mit den Variogramm-Parametern (range and sill) als Basis für eine Klassifizierung der räumlichen Verteilung der Läsionen.


Zurck weitere Arbeiten ...