<html>

  <head>

    <meta http-equiv="content-type" content="text/html; charset=utf-8">

  </head>

  <body text="#000000" bgcolor="#FFFFFF">

    I N V I T A T I O N<br>

    <font face="sans-serif"> </font><br>

    <font face="sans-serif">===============================================<br>

      <br>

      to the Research Seminar 'Computer Graphics, Image Processing, and

      Visualization'<br>

      <br>

    </font><font face="sans-serif">Â Â Â  on<font face="sans-serif">

        Wednesday, September 21st, 2016, at 1:15 PM,<br>

        Â Â Â  in Room P-702 in the Paulinum, Augustusplatz.</font><br>

    </font><br>

    <font face="sans-serif">===============================================</font><br>

    <br>

    There will be two talks. The first one is given by<br>

    <br>

    Â Â Â  SÃ¶ren Reichardt<br>

    Â Â Â  Department of Computer Science<br>

    Â Â Â  Leipzig University<br>

    <br>

    and is entitled<br>

    <br>

    Â Â Â  "Implementierung und Parallelisierung eines probabilistischen

    Q-Ball<br>

    Â Â Â  Traktografiealgorithmus in OpenWalnut".<br>

    <br>

    Abstract:<br>

    <br>

    Â Â Â  Traktografie ist eine auf Daten von diffusions MRT beruhende

    Methode,<br>

    Â Â Â  BÃ¼ndel von Nervenfasern an lebenden Subjekten annÃ¤hernd zu

    rekonstruieren.<br>

    Â Â Â  HierfÃ¼r kann ein probabilistisches Q-Ball Modell verwendet

    werden, welches<br>

    Â Â Â  dazu in der Lage ist, komplexe Faserstrukturen aufzulÃ¶sen sowie

    Fehler,<br>

    Â Â Â  welche in der deterministischen Traktografie entstehen, ab zu

    mildern.<br>

    Â Â Â  Ersteres unterscheidet diese Technik vom

    Diffusions-Tensor-Modell, welches<br>

    Â Â Â  weit verbreitet ist. Es werden im folgenden Vortrag einige

    Grundlagen zur<br>

    Â Â Â  medizinischen Bildgebung mittels Magnetresonanztomografie,

    Traktografie,<br>

    Â Â Â  sowie den verwendeten mathematischen Voraussetzungen gegeben.

    Weiterhin<br>

    Â Â Â  werden Techniken zur Parallelisierung des im Framework

    OpenWalnut<br>

    Â Â Â  implementierten Programms vorgestellt und Ergebnisse dessen in

    Hinblick auf<br>

    Â Â Â  die QualitÃ¤t der Bilder sowie der Laufzeit des Algorithmus

    prÃ¤sentiert. Die<br>

    Â Â Â  Verbesserung der Laufzeit stellt hierbei den Kern dieser Arbeit

    dar, mit<br>

    Â Â Â  dem Zweck, dem Benutzer, wie zum Beispiel Neurowissenschaftlern,

    eine gute<br>

    Â Â Â  Interaktion mit den verwendeten Daten zu bieten.<font

      face="sans-serif"><br>

      <br>

    </font><font face="sans-serif"><font face="sans-serif">===============================================<br>

      </font><br>

      The second talk is given by<br>

      <br>

    </font>Â Â Â  Karl Kaiser<br>

    Â Â Â  Department of Computer Science<br>

    Â Â Â  Leipzig University<br>

    <br>

    and is entitled<br>

    <br>

    <font face="sans-serif"><font face="sans-serif">Â Â Â  "Tiled-Binned

        Clustering of Multi-Variate Data".<br>

        <br>

        Abstract:<br>

        <br>

        Â Â Â  Epigenetics is an emerging field of biology that studies

        heritable<br>

        Â Â Â  properties that change the way cells express their genetic

        information. One<br>

        Â Â Â  mechanism for this is the modification of histones by

        attachment of acetyl,<br>

        Â Â Â  methyl, or phosphor groups. Wrong histone modifications can

        lead to cells<br>

        Â Â Â  expressing the wrong genetic information, which can be a

        cause for diseases<br>

        Â Â Â  such as cancer. Learning more about histone modifications

        can therefore<br>

        Â Â Â  possibly lead to new insights for disease diagnosis,

        prognosis, and<br>

        Â Â Â  prevention. The data set generated by segmenting the genome

        according to<br>

        Â Â Â  histone modifications is multi-variate and contains hundreds

        of thousands<br>

        Â Â Â  of entries, making if difficult to visualize with existing

        methods. To<br>

        Â Â Â  tackle this, we first sort the data into bins in any number

        of the<br>

        Â Â Â  available dimensions. The binned data is then clustered

        using either the<br>

        Â Â Â  k-means or k-median algorithm, or consensus clustering based

        on one of the<br>

        Â Â Â  two. An interactive 3D scatterplot is then used to show the

        result of these<br>

        Â Â Â  steps. This approach generates easily readable scatterplots

        for large data<br>

        Â Â Â  sets of multi-varate data that shows more correlations than

        previous<br>

        Â Â Â  methods.<br>

        <br>

      </font><font face="sans-serif"><font face="sans-serif">===============================================<br>

        </font></font><br>

      On behalf of Professor Scheuermann all those interested are

      cordially invited to attend.<br>

      <br>

      Yours sincerely,</font><br>

    Tom Liebmann

  </body>

</html>