Recent advances in label-free histology promise a new era for real-time diagnosis in neurosurgery. Deep learning using autofluorescence is promising for tumor classification without histochemical staining process. The high image resolution and minimally invasive diagnostics with negligible tissue damage is of great importance. The state of the art is raster scanning endoscopes, but the distal lens optics limits the size. Lensless fiber bundle endoscopy offers both small diameters of a few 100 microns and the suitability as single-use probes, which is beneficial in sterilization. The problem is the inherent honeycomb artifacts of coherent fiber bundles (CFB). For the first time, we demonstrate an end-to-end lensless fiber imaging with exploiting the near-field. The framework includes resolution enhancement and classification networks that use single-shot CFB images to provide both high-resolution imaging and tumor diagnosis. The well-trained resolution enhancement network not only recovers high-resolution features beyond the physical limitations of CFB, but also helps improving tumor recognition rate. Especially for glioblastoma, the resolution enhancement network helps increasing the classification accuracy from 90.8 to 95.6%. The novel technique enables histological real-time imaging with lensless fiber endoscopy and is promising for a quick and minimally invasive intraoperative treatment and cancer diagnosis in neurosurgery.

The determination of exact tumor boundaries within eloquent brain regions is essential to maximize the extent of resection. Recent studies showed that intraoperative optical imaging (IOI) combined with median nerve stimulation is a helpful tool for visualization of the primary sensory cortex (PSC). In this technical note, we describe a novel approach of using IOI with painless tactile irritation to demonstrate the feasibility of topographic mapping of different body regions within the PSC. In addition, we compared the IOI results with preoperative functional MRI (fMRI) findings. In five patients with tumors located near the PSC who received tumor removal, IOI with tactile irritation of different body parts and fMRI was applied. We showed that tactile irritation of the hand in local and general anesthesia leads to reliable changes of cerebral blood volume during IOI. Hereby, we observed comparable IOI activation maps regarding the median nerve stimulation, fMRI and tactile irritation of the hand. The tactile irritation of different body areas revealed a plausible topographic distribution along the PSC. With this approach, IOI is also suitable for awake surgeries, since the tactile irritation is painless compared with median nerve stimulation and is congruent to fMRI findings. Further studies are ongoing to standardize this method to enable a broad application within the neurosurgical community.

Die Durchstrahlungsprüfung ist in der klassischen Materialprüfung aus guten Gründen seit Jahrzehnten etabliert, bietet sie doch als einziges zerstörungsfreies Verfahren die Möglichkeit einer direkten Bildgebung des Innern von Schweißnähten, Guss- und Werkstücken. In der zerstörungsfreien Prüfung im Bauwesen (ZfPBau) wird das Verfahren bislang nicht systematisch angewandt, obwohl sich dank Weiterentwicklungen insbesondere im Bereich der digitalen, mobilen Radiographie viele praktische Einsatzmöglichkeiten anbieten. Qualitätssicherung im Neubau, Schadensbewertung im Bestand oder die noninvasive Untersuchung von Spannbeton und Denkmalschutzbauten – die Palette ist breit gefächert. Mit der Radiographie ist eine eindeutige Abbildung, Vermessung und Identifikation von Einbauteilen, Bewehrungs- und Spannstahl möglich. Die zielführende Untersuchung von Rissen im Beton oder Restquerschnitten korrosiver Bewehrung ist ebenfalls denkbar und kann Stoff zukünftiger Forschungsarbeiten sein. Der Beitrag soll anhand von aktuellsten Praxisbeispielen das künftige Potential und auch die Anwendungsgrenzen des Verfahrens in der Praxis der ZfPBau demonstrieren.

QuasArs, eine neue Klasse von fluoreszierenden Membranspannungssensoren basierend auf Archaerhodopsin-3, wurde von Hochbaum et al. im Jahr 2014 beschrieben. Die neuen Konstrukte zeigen eine für mikrobielle Rhodopsine außergewöhnlich hohe Fluoreszenzquantenausbeute. Außerdem ist die Fluoreszenz spannungsabhängig, was für Membranspannungssensoren eine wünschenswerte Eigenschaft ist. Diese Sensoren bieten ein hohes räumliches und zeitliches Auflösungsvermögen, wodurch neuronale Aktivität verfolgt werden könnte. Obwohl mehrere Varianten vorgeschlagen wurden ist ihre Fluoreszenzquantenausbeute immer noch zu gering (<1%) für Anwendungen in lebenden Nagetieren und erfordert weitere Verbesserungen für bildgebende Anwendungen. Das rationale Design der Rhodopsin-basierten Fluoreszenzsensoren der nächsten Generation ist jedoch nur eingeschränkt möglich, da die derzeit verwendeten QuasArs mittels zufälliger Mutagenese gefunden wurden. Um verbesserte Konstrukte zu entwickeln, ist es wichtig die Funktionalität der spannungssensitiven Fluoreszenz und die Rolle der eingeführten Mutationen zu verstehen. In dieser Arbeit wurden die mikrobiellen Rhodopsin-basierten Spannungssensoren und der Ursprung ihrer spannungsmodulierten Fluoreszenz untersucht. Die Photodynamik dieser Spannungssensoren wurde mit UV/Vis-Steady-State und -transienter Spektroskopie untersucht. Die Archaerhodopsin-3 Varianten durchlaufen einen ungewöhnlichen Photozyklus mit verlängerter Lebensdauer des angeregten Zustands und ineffizienter Photoisomerisierung. Präresonanz-Raman-Spektroskopie und Hochdruckflüssigkeitschromatographie ermöglichten die direkte Untersuchung des Chromophors in diesen besonderen Rhodopsinen. Molekulardynamiksimulationen, unterstützt durch spektroskopische Studien, liefern ein Modell der Proteindynamik unter Einfluss der Membranspannung. Protein-Engineering ermöglichte die Identifizierung der Aminosäuren, die für die Erhöhung der Fluoreszenzquantenausbeute benötigt werden, und der Schlüsselreste, die an der Spannungsmessung beteiligt sind. Aussichtsreiche Konstrukte mit verbesserten Eigenschaften wurden vorgeschlagen und getestet. / Novel class of fluorescent membrane voltage sensors QuasArs, based on Archaerhodopsin-3, have been reported by Hochbaum et al. in 2014. The new constructs show unusually high fluorescence quantum yield for microbial rhodopsins. Furthermore the fluorescence is voltage-dependent, which is a desirable property for membrane voltage sensors. These tools would offer high spatiotemporal resolution allowing to track neuronal spiking. Although multiple constructs have been proposed, their fluorescence quantum yield is still too low (<1%) for applications in living rodents and requires further improvement for imaging applications. However, rational design of the next generation rhodopsin-based fluorescent sensors is restrained since the current constructs were found using random mutagenesis. To develop improved constructs it is essential to understand the functionality of the voltage-sensitive fluorescence and the role of the introduced mutations. In this thesis, the microbial rhodopsin based voltage sensors and the origin of their voltage-modulated fluorescence were studied. The photodynamics of microbial rhodopsin-based voltage sensors were studied with UV/Vis steady state and transient spectroscopy. The archaerhodopsin-3 variants undergo an unusual photocycle with extended excited state lifetime and inefficient photoisomerization. Pre-resonance Raman spectroscopy and high-pressure liquid chromatography allowed to directly study the chromophore composition in these peculiar rhodopsins. Molecular dynamics simulations, supported by spectroscopic studies, provide a model of protein dynamics taking place under different membrane voltage conditions. Protein engineering allowed to identify the residues needed for the increase of the fluorescence quantum yield and key residues involved in the voltage sensing. Promising constructs, with improved properties, were proposed and tested.

Die Protonentherapie zeichnet sich durch eine konformale und fokussierte Tumorbestrahlung aus, die es ermöglicht, gesundes Gewebe besser zu schonen als bei der konventionellen Strahlentherapie. Dieses Potential wird jedoch durch Unsicherheiten bei der Vorhersage der Protonenreichweite im Gewebe oder durch anatomische Veränderungen über den Verlauf der Therapie eingeschränkt. In der vorliegenden Arbeit wurde daher der klinische Nutzen eines Reichweiteverifikationssystems auf Grundlage von Prompt-Gamma-Imaging (PGI) zur Behandlungskontrolle untersucht. Dafür wurden Messungen mit einem PGI-System während Prostata- und Kopf-Hals-Tumor-Bestrahlungen durchgeführt und retrospektiv ausgewertet. Einerseits konnte dabei mittels PGI die Genauigkeit verschiedener Methoden zur Reichweitevorhersage überprüft werden. Es zeigte sich, dass die 2019 klinisch eingeführte Methode zur Reichweitevorhersage (DirectSPR) nicht von der mit PGI gemessenen Protonenreichweite in Prostata-Tumor-Bestrahlungen abweicht, wodurch die Reduktion der auf DirectSPR basierenden Reichweiteunsicherheiten unabhängig bestätigt werden konnte. Andererseits konnte die Detektionsfähigkeit von PGI bei der Erkennung relevanter und nicht relevanter anatomischer Veränderungen in applizierten Bestrahlungsfeldern nachgewiesen werden. Insbesondere wurde für die feldweise Klassifizierung der Prostata-Bestrahlungen eine Sensitivität und Spezifität von 74% bzw. 79% festgestellt. Damit konnte in dieser Dissertation erstmals systematisch das klinische Anwendungspotential eines Systems zur PGI-Reichweiteverifikation gezeigt werden. Als zusätzliche Untersuchung wurde in einer Kollaboration mit dem Massachusetts General Hospital zum ersten Mal ein Vergleich zwischen zwei verschiedenen, auf prompter Gammastrahlung basierenden Systemen zur Reichweiteverifikation durchgeführt. Dazu wurde ein standardisiertes Studienprotokoll etabliert, welches die Vergleichbarkeit und die klinische Implementierung von Reichweiteverifikationssystemen generell unterstützen könnte.:1 Einleitung 2 Strahlentherapie mit Protonen 2.1 Physikalische Grundlagen der Protonentherapie 2.2 Behandlungsablauf in der Protonentherapie 2.2.1 Bildgebung zur Therapieplanung 2.2.2 Bestrahlungsplanung 2.2.3 Strahlapplikation 2.3 Genauigkeit in der Protonentherapie 2.3.1 Ursachen für Behandlungs- und Reichweiteunsicherheiten 2.3.2 Aktueller Stand der Behandlungs- und Reichweiteverifikation 3 Methodik der Reichweiteverifikation mittels Prompt-Gamma-Bildgebung (PGI) 3.1 Funktionsprinzip der PGI-Schlitzkamera 3.2 Datenaufnahme und -verarbeitung 3.2.1 Detektoraufbau und Signalaufnahme 3.2.2 PGI-Simulation und Bestimmung der Reichweiteabweichung 3.3 Charakterisierung des PGI-Prototyps 3.3.1 Kalibrierung des Systems 3.3.2 Positionierungspräzision 3.4 Überblick zur PRIMA-Studie 3.5 Experimentelle Studien zur PGI-Simulationsgenauigkeit 3.5.1 Abhängigkeit vom PGI-Sichtfeld und der Protonenenergie 3.5.2 Validierung der erweiterten Simulationssoftware 3.5.3 Abhängigkeit von der Tumorentität 3.5.4 Schlussfolgerungen 4 Validierung der CT-basierten Reichweitevorhersage mittels PGI 4.1 Konzept der Validierung 4.2 Gesamtabschätzung der Validierungsunsicherheit 4.3 Ergebnisse der Validierung 4.4 Diskussion 5 Detektionsfähigkeit anatomischer Veränderungen mittels PGI 5.1 Prinzipieller Aufbau der Studie 5.2 Grundwahrheit auf Basis von CT- und Dosisinformationen 5.2.1 Manuelle Klassifizierung 5.2.2 Klassifizierung auf Grundlage von integrierten Tiefendosisprofilen 5.2.3 Ergebnis der Etablierung einer CT-basierten Grundwahrheit 5.3 Etablierung einer Klassifikation auf Basis von PGI-Daten 5.3.1 Verarbeitung der PGI-Daten mittels Cluster-Algorithmus 5.3.2 Definition von spot- oder clusterbasierten Klassifikationsmodellen 5.4 Ergebnisse der PGI-Detektionsfähigkeit 5.4.1 Auswertung für Patienten mit Prostata-Tumor 5.4.2 Auswertung für Patienten mit Tumoren im Kopf-Hals-Bereich 5.5 Diskussion 6 Genauigkeit zweier Reichweiteverifikationsmethoden – bizentrischer Vergleich 6.1 Material und Methoden 6.1.1 Bildgebung 6.1.2 Bestrahlungsplanung 6.1.3 Durchführung und Auswertung 6.2 Ergebnisse 6.3 Diskussion 7 Zusammenfassung 8 Summary / Proton therapy is a conformal and focused irradiation of the tumor, which allows for a better sparing of healthy tissue than with conventional radiotherapy. However, this potential is limited by uncertainties from the proton range prediction in the patient or anatomical changes over the course of the treatment. Therefore, in this work, the clinical benefit of a range verification system based on the prompt-gamma-imaging (PGI) method for treatment verification was investigated. For this purpose, measurements were carried out with a PGI system during prostate and head and neck cancer irradiations and evaluated retrospectively. On the one hand, PGI was used to review the accuracy of several range prediction methods. The results showed that a specific method for range prediction (DirectSPR), which was clinically introduced in 2019, does not deviate from the PGI-measured proton range in prostate cancer irradiations. This means that the reduction of the range uncertainties with DirectSPR could be independently confirmed. On the other hand, the detection capability of PGI in identifying relevant and non-relevant anatomical changes in delivered treatment fields was demonstrated. In particular, for the fieldwise classification of prostate irradiations a sensitivity and specificity of 74% and 79% was determined, respectively. Thus, the clinical potential of a PGI range verification system was for the first time systematically demonstrated in this thesis. Furthermore, in a collaboration with the Massachusetts General Hospital a first-time comparison of two different range verification systems based on prompt gamma radiation was conducted. Therefore, a standardized study protocol was established, which could generally foster the comparability and clinical implementation of range verification systems.:1 Einleitung 2 Strahlentherapie mit Protonen 2.1 Physikalische Grundlagen der Protonentherapie 2.2 Behandlungsablauf in der Protonentherapie 2.2.1 Bildgebung zur Therapieplanung 2.2.2 Bestrahlungsplanung 2.2.3 Strahlapplikation 2.3 Genauigkeit in der Protonentherapie 2.3.1 Ursachen für Behandlungs- und Reichweiteunsicherheiten 2.3.2 Aktueller Stand der Behandlungs- und Reichweiteverifikation 3 Methodik der Reichweiteverifikation mittels Prompt-Gamma-Bildgebung (PGI) 3.1 Funktionsprinzip der PGI-Schlitzkamera 3.2 Datenaufnahme und -verarbeitung 3.2.1 Detektoraufbau und Signalaufnahme 3.2.2 PGI-Simulation und Bestimmung der Reichweiteabweichung 3.3 Charakterisierung des PGI-Prototyps 3.3.1 Kalibrierung des Systems 3.3.2 Positionierungspräzision 3.4 Überblick zur PRIMA-Studie 3.5 Experimentelle Studien zur PGI-Simulationsgenauigkeit 3.5.1 Abhängigkeit vom PGI-Sichtfeld und der Protonenenergie 3.5.2 Validierung der erweiterten Simulationssoftware 3.5.3 Abhängigkeit von der Tumorentität 3.5.4 Schlussfolgerungen 4 Validierung der CT-basierten Reichweitevorhersage mittels PGI 4.1 Konzept der Validierung 4.2 Gesamtabschätzung der Validierungsunsicherheit 4.3 Ergebnisse der Validierung 4.4 Diskussion 5 Detektionsfähigkeit anatomischer Veränderungen mittels PGI 5.1 Prinzipieller Aufbau der Studie 5.2 Grundwahrheit auf Basis von CT- und Dosisinformationen 5.2.1 Manuelle Klassifizierung 5.2.2 Klassifizierung auf Grundlage von integrierten Tiefendosisprofilen 5.2.3 Ergebnis der Etablierung einer CT-basierten Grundwahrheit 5.3 Etablierung einer Klassifikation auf Basis von PGI-Daten 5.3.1 Verarbeitung der PGI-Daten mittels Cluster-Algorithmus 5.3.2 Definition von spot- oder clusterbasierten Klassifikationsmodellen 5.4 Ergebnisse der PGI-Detektionsfähigkeit 5.4.1 Auswertung für Patienten mit Prostata-Tumor 5.4.2 Auswertung für Patienten mit Tumoren im Kopf-Hals-Bereich 5.5 Diskussion 6 Genauigkeit zweier Reichweiteverifikationsmethoden – bizentrischer Vergleich 6.1 Material und Methoden 6.1.1 Bildgebung 6.1.2 Bestrahlungsplanung 6.1.3 Durchführung und Auswertung 6.2 Ergebnisse 6.3 Diskussion 7 Zusammenfassung 8 Summary

Salmonella enterica gehört zu den gramnegativen Bakterien und ist der Erreger von verschiedenen Darmerkrankungen, von Gastroenteritis bis systemische Infektionen, und jährlich die Ursache für hunderttausende Todesfälle. In den letzten 30 Jahren wurden grundlegende Mechanismen der Invasion und des intrazellulären Wachstums von Salmonella gelöst: Salmonella verfügt über eine Reihe von Virulenzfaktoren (Effektorproteine), die mittels Typ-III-Sekretionssystemen (T3SS) zur molekularen Manipulation der Wirtszelle ausgeschüttet werden. Allerdings sind die Funktionen einiger dieser Effektorproteine nur unzureichend charakterisiert. Darüber hinaus hat die Rolle von RNA-Protein-Wechselwirkungen in bakteriellen Prozessen, einschließlich Infektionen, an Bedeutung gewonnen. Eine der am häufigsten verwendeten Techniken zur Untersuchung von Effektorproteinen ist der Gentamicin Protection Assay (GPA), eine einfache Methode, die den Salmonella-Infektionsprozess in vitro nachbildet. Da der GPA jedoch starken Schwankungen unterliegt und eine Endpunktmessungen darstellt, ist dieser unzureichend, wenn gleichzeitig mehrere Bedingungen oder zeitabhängige Dynamiken untersucht werden müssen. Um diese Einschränkungen zu umgeben, wurde InFluence entwickelt, eine Hochdurchsatz-Fluoreszenz-Mikroskopiemethode. Diese Methode ermöglicht Einblicke in die von Salmonellen besiedelten intrazellulären Nischen, und erwies sich als nützliches Instrument zur Charakterisierung von nicht nur von Effektorproteinen, sondern auch von Wirtsproteinen im Infektionsprozess. Darüber hinaus haben wir zur Entwicklung von TriPepSVM, einer Support Vector Machine (SVM), beigetragen. Dieser Algorithmus, der zusammen mit der AG Marsico (ICB - Helmholtz Zentrum München) entwickelt wurde, sagt RNA-Bindeproteine voraus, mithilfe von Tripeptiden in intrinsisch ungefalteten Regionen (IDR). 66 RBPs hat TriPepSVM in Salmonella vorausgesagt, wovon drei im Rahmen dieser Arbeit experimentell validiert wurden. / Salmonella enterica is a species of Gram-negative bacteria and the causative agent of enteric diseases, ranging from gastroenteritis to systemic infections, causing hundreds of thousands of deaths every year. In the last 30 years the basic mechanisms underpinning invasion and intracellular growth have been unravelled: Salmonella produces tens of virulence factors - termed “effectors” - which are secreted by two distinct Type III Secretion Systems (T3SS) for the hijacking of the host cell molecular machinery via protein-protein interactions. Although the biochemical activities of many effectors have been characterised, the functions of some have remained elusive. In addition, post-transcriptional regulation has emerged to prominence in bacteria, with RNA-protein interactions playing a pivotal role in many bacterial functions, including infection. One of the most frequently used techniques to study Salmonella effectors is the Gentamicin Protection Assay (GPA), a simple method which replicates the infection process in vitro; however, as GPA is subject to high levels of variation and only generates end-point measurements, the method can be inadequate when studying multiple conditions at once or following time-dependent dynamics. InFluence, a high-throughput, fluorescence microscopy-based analysis pipeline, was designed to address these issues. InFluence offered insights into the intracellular niches occupied by Salmonella, and proved to be a useful tool in assessing not only the contribution to the infection process of effectors, but that of host proteins too. In addition, we contributed to the development of TriPepSVM, a support vector machine-based (SVM) method developed with the Marsico group (Institute of Computational Biology (ICB) - Helmholtz Zentrum Munchen) for predicting RNA-binding proteins (RBPs) using tripeptides that are frequent in Intrinsic Disordered Regions (IDRs). TriPepSVM predicted 66 new RBPs in Salmonella, and three were experimentally validated.

Sekundärrohstoffe und darauf aufbauende Rohstoffkreisläufe erlangen, bedingt durch die Endlichkeit der Primärrohstoffe, steigende Preise und eine zunehmende Umweltbelastung durch fehlendes Recycling, eine immer stärkere Bedeutung in der nationalen und globalen Wirtschaft ein. Darüber hinaus wird die Notwendigkeit geschlossener Rohstoffkreisläufe auch politisch und gesellschaftlich durch die Forderung eines nachhaltigen Wirtschaftens abgebildet. Nicht zuletzt für die Einhaltung der Klimaschutzziele sind geschlossene Roh-stoffkreisläufe von entscheidender Bedeutung. Neben Metallen sind insbesondere Kunststoffe Materialien, die in eine ökonomische Wiederverwertung eingebracht werden können und sollten. Eine Vielzahl technischer Kunststoffe bestehen jedoch aus einem Materialmix verschiedener Kunststoffe und Additive und liegen somit als Komposite oder Hybridbauteile vor. Oftmals enthalten diese Kunststoffe einen Rußanteil zur Schwarzfärbung. Jedoch können gerade schwarze Kunststoffe kaum mittels klassischer optischer Methoden hinreichend genau klassifiziert werden. Trotz des hohen Materialwertes solcher technischen Kunststoffe sind diese daher derzeit nur teilweise oder gar nicht ökonomisch wiederverwertbar. Hauptgrund dafür ist, dass eine zuverlässig arbeitende Sensortechnologie zur Sortierung unterschiedlichster, aber insbesondere schwarzer Kunststoffmischungen nicht verfügbar ist. Das Ziel dieses Promotionsvorhabens ist daher die Entwicklung und Evaluierung einer schnellen und zuverlässigen Erkennungstechnologie für die Klassifizierung schwarzer Kunststoffgemische mit hoher Genauigkeit (bis zu 99,9 %) und einem hohen Durchsatz. Die Basis dafür bildet die bildgebende Laser-Fluoreszenzspektroskopie in Kombination mit künstlicher Intelligenz. Insbesondere soll die zu entwickelnde Technologie die Sortierung kleiner Partikel ermöglichen, wie sie beispielsweise bei der Zerkleinerung von Kompositbauteilen anfallen. Die Entwicklung der Methode zur Klassifizierung schwarzer Kunststoffe erfolgte anhand von zwölf Kunststoffklassen und wurde in drei Schritten durchgeführt. Zuerst wurden die Kunststoffe mit einer Reihe klassischer Spektroskopieverfahren untersucht. Einsatz der Raman-Spektroskopie deutete sich bereits an, dass die Kunststoffe teilweise eine Fluoreszenz aufweisen. Weitere Messungen der Fluoreszenz in Abhängigkeit der Anregungswellenlänge bestätigten dieses Verhalten und zeigten, dass für Anregungswellenlängen zwischen rund 500 nm und 600 nm die stärkste Fluoreszenz erhalten wird. Im nächsten Schritt wurde ein Labordemonstrator entwickelt und evaluiert, um die grundlegende Machbarkeit der Methode nachzuweisen. Der Labord-emonstrator arbeitet mit einer Hyperspektralkamera für den sichtbaren und nahinfraroten Spektralbereich, einer zeilenförmigen Laseranregung und einer zusätzlichen nahinfrarot Beleuchtung. Die Nahinfrarotbeleuchtung ermöglicht dabei eine bessere Erkennung der Position und Form der Kunststoffpartikel, insbesondere wenn diese kein oder nur ein schwaches Fluoreszenzsignal aufweisen. Für die Versuche wurden zwei Laser mit einer Wellenlänge von 532 nm und 450 nm eingesetzt. Das entwickelte System wurde kalibriert und charakterisiert und anschließend wurden Messungen von schwarzen Kunststoffpartikeln aus 12 Kunststoffklassen durchgeführt und die erhaltenen Daten wurden für Klassifikationsversuche eingesetzt. Bei diesen Klassifikationsexperimenten wurde die Gesamtgenauigkeit bei der Klassifikation aller zwölf Kunststoffklassen betrachtet und es erfolgte die Untersuchung unterschiedlicher Klassifikationsalgorithmen, unterschiedlicher Arten der Datenvorverarbeitung, sowie einer automatischen Optimierung der Hyperparameter der Klassifikationsalgorithmen. Die gleichzeitige Klassifikation aller 12 Kunststoffklassen ist im späteren Einsatz nicht relevant, da meist nur zwei bis drei Kunststoffarten gleichzeitig erkannt und sortiert werden müssen. Die durchgeführten Versuche dienten daher hauptsächlich dem grundsätzlichen Nachweis der Leistungsfähigkeit der Methode und dem Vergleich der unterschiedlichen Methoden des maschinellen Lernens und der Datenvorverarbeitung. Bei den betrachteten Klassifikationsalgorithmen handelt es sich um die Diskriminanzanalyse (DA), die k-Nächste-Nachbarn-Klassifikation (kNN), Ensembles von Entscheidungsbäumen (ENSEMBLE), Support Vector Machines (SVM) und Convolutional Neural Networks (CNN). Die Optimierung der Hyperparameter erfolgte durch zwei Verfahren: Random Search und Bayesian Optimization Algorithm. Es zeigte sich, dass die besten Klassifikationsgenauigkeiten für den CNN-, gefolgt von ENSEMBLE- und SVM-Algorithmus, erzielt werden können. Die höchste erhaltene Genauigkeit lag für den 450 nm Laser mit 93,5 % über der des 532 nm Lasers mit 87,9 %. Um eine realistische Einschätzung der Klassifikationsgenauigkeit für die im Anwendungsfall auftretenden Mischungen aus zwei bis drei Kunststoffklassen zu erhalten, wurden auch 41 Kunststoffmischungen hinsichtlich ihrer Klassifizierbarkeit untersucht. Bei diesen 41 Mischungen handelt es sich um industriell relevante Kombinationen der zwölf betrachteten Kunststoffklassen. Für nahezu alle der industriell relevanten Kunststoffmischungen konnte die Klassifikationsgenauigkeit von > 99,9 % erreicht werden. Aufbauend auf diesen Erkenntnissen wurde daher im dritten Schritt der vorliegenden Arbeit das Sensorsystem für einen industrienahen Demonstrator für die Sortierung schwarzer Kunststoffpartikel unter anwendungsnahen Bedingungen entwickelt, aufgebaut und evaluiert. Der entwickelte industrienahe Demonstrator wurde kalibriert und charakterisiert und anschließend wurden erneut Messungen der schwarzen Kunststoffpartikel durchgeführt. Mit den erhaltenen Daten wurden anschließend erneut Klassifikationsmodelle trainiert, optimiert und validiert. Die Ergebnisse der Klassifikationsversuche zeigen, dass die erhaltenen Genauigkeiten für das Demonstratorsystem geringer als für den Labordemonstrator ausfallen. Trotzdem konnte mit den besten Messparametern für fünf Mischungen, welche mit derzeitigen Methoden nicht sortierbar sind, eine sehr gute Klassifikationsgenauigkeit von > 99 % erreicht werden. Insgesamt sind die mit dem entwickelten industrienahen Demonstratorsystem erhaltenen Ergebnisse sehr vielversprechend. Für viele industriell relevante Kunststoffmischungen konnte bereits eine ausreichend hohe Klassifikationsgenauigkeit demonstriert werden. Es ist abzusehen, dass der entwickelte industrielle Demonstrator, mit nur wenigen, aber sehr effektiven Hardwaremodifikationen, auch für die Sortierung vieler weiterer Kunststoffmischungen eingesetzt werden kann. Es wurde also erfolgreich ein System zur Erkennung und Klassifizierung schwarzer Kunststoffpartikel entwickelt, welches ein ökonomisch sinnvolles Recycling dieser Kunststoffe ermöglicht und damit signifikant zum Aufbau einer nachhaltigen Kreislaufwirtschaft beitragen kann.:Inhaltsverzeichnis Inhaltsverzeichnis I Abbildungsverzeichnis V Tabellenverzeichnis XIII Abkürzungsverzeichnis XX Symbolverzeichnis XXIII 1 Einleitung 1 2 Theoretische Grundlagen 5 2.1 Stand der Technik des Kunststoffrecyclings 5 2.2 Kunststoffe 14 2.2.1 Eingesetzte Kunststoffe 15 2.2.2 Zusatzstoffe für Kunststoffe 17 2.2.3 Ökologische und Ökonomische Aspekte des Recyclings von Kunststoffen 18 2.3 Optische Spektroskopie 22 2.3.1 Grundlagen der Spektroskopie 22 2.3.2 Methoden der optische Spektroskopie 28 2.3.3 Hyperspektrale Bildgebung 30 2.3.4 Grundlagen zur Charakterisierung eines (Laser-)HSI Systems 32 2.4 Multivariate Datenanalyse 38 2.4.1 Datenvorverarbeitung, Datenreduktion und Explorative Datenanalyse 39 2.4.2 Klassifikationsalgorithmen 47 2.4.3 Hyperparameteroptimierung 61 2.4.4 Validierung von Klassifikationsverfahren 64 3 Experimentelle Durchführung 73 3.1 Untersuchte Kunststoffe 73 3.1.1 Eingesetzte Kunststoffgranulate 73 3.1.2 Kunststoffmischungen 74 3.2 Hardwarekonfiguration der entwickelten Laser-HSI-Systeme 76 3.2.1 Hardwarekonfiguration des Laser-HSI-Laborsystems 76 3.2.2 Hardwarekonfiguration des Laser-HSI-Demonstratorsystems 78 3.3 Eingesetzte Software und Computer-Hardware 80 3.3.1 imanto®Pro 80 3.3.2 Matlab® 81 3.3.3 Eingesetzte Computer-Hardware 81 3.4 Durchgeführte Messung mit den Laser-HSI-Systemen 82 3.4.1 Messung der schwarzen Kunststoffe mit dem Laser-HSI-Laborsystem 82 3.4.2 Messung der schwarzen Kunststoffe mit dem Laser-HSI-Demonstratorsystem 83 3.4.3 Verfügbarkeit der Daten 83 3.5 Spektroskopische Charakterisierung der Kunststoffproben 84 3.5.1 Fluoreszenz-Spektroskopie 84 3.5.2 Raman-Spektroskopie 84 3.5.3 Laser-HSI 85 4 Ergebnisse und Diskussion 88 4.1 Das Laser-HSI-Laborsystem 89 4.1.1 Anregungseinheit 89 4.1.2 System zur Strahlaufweitung 91 4.1.3 Detektionseinheit 94 4.1.4 Charakterisierung und Kalibrierung des bildgebenden Spektrometers 95 4.1.5 NIR-Beleuchtung 102 4.2 Laser-HSI-Demonstratorsystem zur Klassifikation schwarzer Kunststoffe 103 4.2.1 Anforderungen an das Demonstratorsystem 103 4.2.2 Aufbau des Sensormoduls des Demonstratorsystems 106 4.2.3 Kalibrierung und Charakterisierung des Sensormoduls des Demonstratorsystems 107 4.3 Spektroskopische Charakterisierung der schwarzen Kunststoffe 110 4.3.1 Fluoreszenz- und Raman-spektroskopische Untersuchungen der Kunststoffpartikel 111 4.3.2 Untersuchungen schwarzer Kunststoffpartikel mit dem Laser-HSI-Laborsystem 118 4.4 Klassifikations- und Optimierungsexperimente mit dem Laser-HSI-Laborsystem 124 4.4.1 Datenvorverarbeitung und Beschreibung der Daten 125 4.4.2 Explorative Datenanalyse 128 4.4.3 Untersuchungen zur Klassifikation der schwarzen Kunststoffe mit dem Laser-HSI-Laborsystem 135 4.4.4 Klassifikationsexperimente mittels klassischer Machine Learning-Verfahren 136 4.4.5 Hyperparameteroptimierung für die klassischen Machine Learning Verfahren 149 4.4.6 Untersuchung der Klassifikation durch Deep Learning Verfahren 157 4.4.7 Hyperparameteroptimierung für die Deep Learning-Verfahren 171 4.4.8 Vergleich und Diskussion der erhaltenen Klassifikationsmodelle 175 4.4.9 Übertragung der Ergebnisse auf die Klassifikation der industriell relevanten Kunststoffmischungen 177 4.4.10 Zusammenfassung 185 4.5 Untersuchungen zur Klassifikation der schwarzen Kunststoffe mit dem Demonstratorsystem 186 4.5.1 Beschreibung der Messungen mit dem Demonstratorsystem 186 4.5.2 Datenvorverarbeitung 190 4.5.3 Explorative Datenanalyse 193 4.5.4 Klassifikation der Kunststoffmischungen 198 4.5.5 Möglichkeiten für die Verbesserung der Klassifikationsgenauigkeit des Demonstratorsystems 210 5 Zusammenfassung und Ausblick 212 6 Literaturverzeichnis 219 7 Anhang I 7.1 Parameter der Raman-Messung der Kunststoffe I 7.2 Anregungs-Emissions-Matrices der schwarzen Kunststoffe II 7.3 Laser-HSI-Messungen IV 7.4 Modellparameter und Modellhyperprameter XII 7.5 Anderson-Darling-Test auf Normalverteilung XIX 7.5.1 Einfluss der Anzahl der verwendeten Hauptkomponenten XIX 7.5.2 Einfluss verschiedener Datenvorverarbeitungsmethoden XIX 7.5.3 Einfluss der Formparameter XXI 7.5.4 Durchführung der Hyperparameteroptimierung für das klassische Machine Learning XXI 7.5.5 Einfluss der Bildvorverarbeitung XXII 7.5.6 Einfluss der CNN-Topologie XXIII 7.5.7 Einfluss der Daten-Augmentierung XXIV 7.5.8 Durchführung der Hyperparameteroiptimierung für die Deep Learning-Verfahren XXIV 7.5.9 Vergleich und Diskussion der erhaltenen Klassifikationsmodelle XXV 7.6 Brown-Forsythe-Test auf Homoskedastizität XXV 7.6.1 Einfluss der Anzahl der verwendeten Hauptkomponenten XXV 7.6.2 Einfluss verschiedener Datenvorverarbeitungsmethoden XXV 7.6.3 Einfluss der Formparameter XXVI 7.6.4 Durchführung der Hyperparameteroptimierung für das klassische Machine Learning XXVI 7.6.5 Einfluss der Bildvorverarbeitung XXVII 7.6.6 Einfluss der CNN-Topologie XXVII 7.6.7 Einfluss der Daten-Augmentierung XXVII 7.6.8 Durchführung der Hyperparameteroptimierung für die Deep Learning-Verfahren XXVII 7.6.9 Vergleich und Diskussion der erhaltenen Klassifikationsmodelle XXVIII 7.7 Ergebnisse der Klassifikationsversuche mit den Daten des industrienahen Demonstrators XXVIII

The generation of tailored complex light fields with multi-core fiber (MCF) lensless microendoscopes is widely used in biomedicine. However, the computer-generated holograms (CGHs) used for such applications are typically generated by iterative algorithms, which demand high computation effort, limiting advanced applications like fiber-optic cell manipulation. The random and discrete distribution of the fiber cores in an MCF induces strong spatial aliasing to the CGHs, hence, an approach that can rapidly generate tailored CGHs for MCFs is highly demanded. We demonstrate a novel deep neural network—CoreNet, providing accurate tailored CGHs generation for MCFs at a near video rate. The CoreNet is trained by unsupervised learning and speeds up the computation time by two magnitudes with high fidelity light field generation compared to the previously reported CGH algorithms for MCFs. Real-time generated tailored CGHs are on-the-fly loaded to the phase-only spatial light modulator (SLM) for near video-rate complex light fields generation through the MCF microendoscope. This paves the avenue for real-time cell rotation and several further applications that require real-time high-fidelity light delivery in biomedicine.

People suffering from congenital anosmia show normal brain architecture although they do not have functional sense of smell. Some studies in this regard point to the changes in secondary olfactory cortex, orbitofrontal cortex (OFC), in terms of gray matter volume increase. However, diffusion tensor imaging has not been explored so far. We included 13 congenital anosmia subjects together with 15 controls and looked into various diffusion parameters like FA. Increased FA in bilateral OFC confirms the earlier studies reporting increased gray matter thickness. However, it is quite difficult to interpret FA in terms of gray matter volume. Increased FA has been seen with recovery after traumatic brain injury. Such changes in OFC point to the plastic nature of the brain.

Background Novel theranostic options for high-risk non-muscle invasive bladder cancer are urgently needed. This requires a thorough evaluation of experimental approaches in animal models best possibly reflecting human disease before entering clinical studies. Although several bladder cancer xenograft models were used in the literature, the establishment of an orthotopic bladder cancer model in mice remains challenging. Methods Luciferase-transduced UM-UC-3LUCK1 bladder cancer cells were instilled transurethrally via 24G permanent venous catheters into athymic NMRI and BALB/c nude mice as well as into SCID-beige mice. Besides the mouse strain, the pretreatment of the bladder wall (trypsin or poly-L-lysine), tumor cell count (0.5 × 106–5.0 × 106) and tumor cell dwell time in the murine bladder (30 min – 2 h) were varied. Tumors were morphologically and functionally visualized using bioluminescence imaging (BLI), magnetic resonance imaging (MRI), and positron emission tomography (PET). Results Immunodeficiency of the mouse strains was the most important factor influencing cancer cell engraftment, whereas modifying cell count and instillation time allowed fine-tuning of the BLI signal start and duration – both representing the possible treatment period for the evaluation of new therapeutics. Best orthotopic tumor growth was achieved by transurethral instillation of 1.0 × 106 UM-UC-3LUCK1 bladder cancer cells into SCID-beige mice for 2 h after bladder pretreatment with poly-L-lysine. A pilot PET experiment using 68Ga-cetuximab as transurethrally administered radiotracer revealed functional expression of epidermal growth factor receptor as representative molecular characteristic of engrafted cancer cells in the bladder. Conclusions With the optimized protocol in SCID-beige mice an applicable and reliable model of high-risk non-muscle invasive bladder cancer for the development of novel theranostic approaches was established.