Advances in biotechnologies rapidly increase the number of molecules of a cell which can be observed simultaneously. This includes expression levels of thousands or ten-thousands of genes as well as concentration levels of metabolites or proteins. <br><br> Such Profile data, observed at different times or at different experimental conditions (e.g., heat or dry stress), show how the biological experiment is reflected on the molecular level. This information is helpful to understand the molecular behaviour and to identify molecules or combination of molecules that characterise specific biological condition (e.g., disease). <br><br> This work shows the potentials of component extraction algorithms to identify the major factors which influenced the observed data. This can be the expected experimental factors such as the time or temperature as well as unexpected factors such as technical artefacts or even unknown biological behaviour. <br><br> Extracting components means to reduce the very high-dimensional data to a small set of new variables termed components. Each component is a combination of all original variables. The classical approach for that purpose is the principal component analysis (PCA). <br><br> It is shown that, in contrast to PCA which maximises the variance only, modern approaches such as independent component analysis (ICA) are more suitable for analysing molecular data. The condition of independence between components of ICA fits more naturally our assumption of individual (independent) factors which influence the data. This higher potential of ICA is demonstrated by a crossing experiment of the model plant <i>Arabidopsis thaliana</i> (Thale Cress). The experimental factors could be well identified and, in addition, ICA could even detect a technical artefact. <br><br> However, in continuously observations such as in time experiments, the data show, in general, a nonlinear distribution. To analyse such nonlinear data, a nonlinear extension of PCA is used. This nonlinear PCA (NLPCA) is based on a neural network algorithm. The algorithm is adapted to be applicable to incomplete molecular data sets. Thus, it provides also the ability to estimate the missing data. The potential of nonlinear PCA to identify nonlinear factors is demonstrated by a cold stress experiment of <i>Arabidopsis thaliana</i>. <br><br> The results of component analysis can be used to build a molecular network model. Since it includes functional dependencies it is termed functional network. Applied to the cold stress data, it is shown that functional networks are appropriate to visualise biological processes and thereby reveals molecular dynamics. / Fortschritte in der Biotechnologie ermöglichen es, eine immer größere Anzahl von Molekülen in einer Zelle gleichzeitig zu erfassen. Das betrifft sowohl die Expressionswerte tausender oder zehntausender Gene als auch die Konzentrationswerte von Metaboliten oder Proteinen. <br><br> Diese Profildaten verschiedener Zeitpunkte oder unterschiedlicher experimenteller Bedingungen (z.B. unter Stressbedingungen wie Hitze oder Trockenheit) zeigen, wie sich das biologische Experiment auf molekularer Ebene widerspiegelt. Diese Information kann genutzt werden, um molekulare Abläufe besser zu verstehen und um Moleküle oder Molekül-Kombinationen zu bestimmen, die für bestimmte biologische Zustände (z.B.: Krankheit) charakteristisch sind. <br><br> Die Arbeit zeigt die Möglichkeiten von Komponenten-Extraktions-Algorithmen zur Bestimmung der wesentlichen Faktoren, die einen Einfluss auf die beobachteten Daten ausübten. Das können sowohl die erwarteten experimentellen Faktoren wie Zeit oder Temperatur sein als auch unerwartete Faktoren wie technische Einflüsse oder sogar unerwartete biologische Vorgänge. <br><br> Unter der Extraktion von Komponenten versteht man die Reduzierung dieser stark hoch-dimensionalen Daten auf wenige neue Variablen, die eine Kombination aus allen ursprünglichen Variablen darstellen und als Komponenten bezeichnet werden. Die Standard-Methode für diesen Zweck ist die Hauptkomponentenanalyse (PCA). <br><br> Es wird gezeigt, dass - im Vergleich zur nur die Varianz maximierenden PCA - moderne Methoden wie die Unabhängige Komponentenanalyse (ICA) für die Analyse molekularer Datensätze besser geeignet sind. Die Unabhängigkeit von Komponenten in der ICA entspricht viel besser unserer Annahme individueller (unabhängiger) Faktoren, die einen Einfluss auf die Daten ausüben. Dieser Vorteil der ICA wird anhand eines Kreuzungsexperiments mit der Modell-Pflanze <i>Arabidopsis thaliana</i> (Ackerschmalwand) demonstriert. Die experimentellen Faktoren konnten dabei gut identifiziert werden und ICA erkannte sogar zusätzlich einen technischen Störfaktor. <br><br> Bei kontinuierlichen Beobachtungen wie in Zeitexperimenten zeigen die Daten jedoch häufig eine nichtlineare Verteilung. Für die Analyse dieser nichtlinearen Daten wird eine nichtlinear erweiterte Methode der PCA angewandt. Diese nichtlineare PCA (NLPCA) basiert auf einem neuronalen Netzwerk-Algorithmus. Der Algorithmus wurde für die Anwendung auf unvollständigen molekularen Daten erweitert. Dies ermöglicht es, die fehlenden Werte zu schätzen. Die Fähigkeit der nichtlinearen PCA zur Bestimmung nichtlinearer Faktoren wird anhand eines Kältestress-Experiments mit <i>Arabidopsis thaliana</i> demonstriert. <br><br> Die Ergebnisse aus der Komponentenanalyse können zur Erstellung molekularer Netzwerk-Modelle genutzt werden. Da sie funktionelle Abhängigkeiten berücksichtigen, werden sie als Funktionale Netzwerke bezeichnet. Anhand der Kältestress-Daten wird demonstriert, dass solche funktionalen Netzwerke geeignet sind, biologische Prozesse zu visualisieren und dadurch die molekularen Dynamiken aufzuzeigen.

A substantial number of works have aimed at modeling the receptive field properties of the primary visual cortex (V1). Their evaluation criterion is usually the similarity of the model response properties to the recorded responses from biological organisms. However, as several algorithms were able to demonstrate some degree of similarity to biological data based on the existing criteria, we focus on the robustness against loss of information in the form of occlusions as an additional constraint for better understanding the algorithmic level of early vision in the brain. We try to investigate the influence of competition mechanisms on the robustness. Therefore, we compared four methods employing different competition mechanisms, namely, independent component analysis, non-negative matrix factorization with sparseness constraint, predictive coding/biased competition, and a Hebbian neural network with lateral inhibitory connections. Each of those methods is known to be capable of developing receptive fields comparable to those of V1 simple-cells. Since measuring the robustness of methods having simple-cell like receptive fields against occlusion is difficult, we measure the robustness using the classification accuracy on the MNIST hand written digit dataset. For this we trained all methods on the training set of the MNIST hand written digits dataset and tested them on a MNIST test set with different levels of occlusions. We observe that methods which employ competitive mechanisms have higher robustness against loss of information. Also the kind of the competition mechanisms plays an important role in robustness. Global feedback inhibition as employed in predictive coding/biased competition has an advantage compared to local lateral inhibition learned by an anti-Hebb rule.

A substantial number of works have aimed at modeling the receptive field properties of the primary visual cortex (V1). Their evaluation criterion is usually the similarity of the model response properties to the recorded responses from biological organisms. However, as several algorithms were able to demonstrate some degree of similarity to biological data based on the existing criteria, we focus on the robustness against loss of information in the form of occlusions as an additional constraint for better understanding the algorithmic level of early vision in the brain. We try to investigate the influence of competition mechanisms on the robustness. Therefore, we compared four methods employing different competition mechanisms, namely, independent component analysis, non-negative matrix factorization with sparseness constraint, predictive coding/biased competition, and a Hebbian neural network with lateral inhibitory connections. Each of those methods is known to be capable of developing receptive fields comparable to those of V1 simple-cells. Since measuring the robustness of methods having simple-cell like receptive fields against occlusion is difficult, we measure the robustness using the classification accuracy on the MNIST hand written digit dataset. For this we trained all methods on the training set of the MNIST hand written digits dataset and tested them on a MNIST test set with different levels of occlusions. We observe that methods which employ competitive mechanisms have higher robustness against loss of information. Also the kind of the competition mechanisms plays an important role in robustness. Global feedback inhibition as employed in predictive coding/biased competition has an advantage compared to local lateral inhibition learned by an anti-Hebb rule.

Die zunehmende Überalterung der Bevölkerung in Europa und speziell in Deutschland stellt die Gesellschaft vor große personelle und finanzielle Herausforderungen. Diese Problematik wird im Forschungsfeld Ambient Assisted Living (AAL) adressiert. AAL hat die Zielsetzung, ältere Menschen bei Aktivitäten des täglichen Lebens zu unterstützen. Ein wesentliches Element hierbei ist die Vernetzung verschiedener Systeme im Haushalt, sodass das Verhalten einer Person erfasst werden kann. Angehörige und medizinisches Personal können somit im Notfall automatisiert verständigt werden. Hierfür ist das Monitoring von Vitalparametern ein wichtiger Baustein, da damit der momentane Gesundheitszustand einer Person erfasst und analysiert werden kann. Konventionelle Systeme zur Bestimmung von Vitalparametern erfordern eine direkte Applizierung am Körper und werden häufig als störend empfunden. Verfahren, welche auf einer kontaktlosen, optischen Erkennung von Vitalparametern mittels Bildverarbeitung basieren, können diese Problematik lösen. Allerdings sind bestehende Verfahren eher ungeeignet, da sie die notwendigen Anforderungen an Genauigkeit und Robustheit nicht erfüllen. Diese Dissertation leistet einen Beitrag, um diese Lücke zu schließen und genaue, robuste Verfahren zur Bestimmung von Vitalparametern mit intelligenten Verfahren der Bildverarbeitung zu untersuchen. Hierfür werden die Vitalparameter der Herzfrequenz, der Respirationsfrequenz und der Sauerstoffsättigung analysiert. Auf Grundlage einer Quantifizierung der beiden stärksten Störquellen, der Intensitäts- und Bewegungsartefakte, wird ein neues Verfahren, die Ratio-Methode, zur Herzfrequenzbestimmung vorgestellt. Zur Beseitigung dieser beiden Störquellen wird ein weiteres Verfahren präsentiert, welches auf einem individuellen, situationsabhängigen Hautfarbenmodell, einem erweiterten KLT-Tracking, einer ICA, einer Kanalextraktion sowie einer adaptiven Filterung beruht. Aus der Evaluierung geht hervor, dass der gemittelte RMSE für alle Szenarien stets unter einer Schwelle von 3 BPM liegt. Die Ermittlung der Respirationsfrequenz im sichtbaren Wellenlängenbereich wird mit Methoden des optischen Flusses, einer PCA sowie einer FFT analysiert. Es wird gezeigt, dass sich der gemittelte RMSE für alle Testfälle unterhalb von 2,5 Atemzyklen pro Minute befindet. Als weiterer Vitalparameter wird die Sauerstoffsättigung untersucht. Dabei werden sowohl Systeme bestehend aus einer Kamera als auch aus zwei Kameras betrachtet. Neben dem sichtbaren Wellenlängenbereich wird die Vitalparameterbestimmung auch im mittleren Infrarotbereich analysiert. Die Untersuchung fokussiert sich dabei auf die Vitalparameter der Respirations- und der Herzfrequenz. Um die Einsatzfähigkeit von Vitalparametern im Bereich AAL realistisch zu evaluieren, werden Messungen in der AAL-Testwohnung der TU Chemnitz durchgeführt und analysiert. Dabei hat sich herausgestellt, dass sowohl die Herz- als auch die Respirationsfrequenz zuverlässig erfasst werden können. Zudem wird gezeigt, dass neben perspektivischen Kameras auch omnirektionale Kameras zur Bestimmung von Vitalparametern geeignet sind. In einer weiteren Untersuchung erfolgt die Analyse für die Vitalparameterbestimmung bei Dunkelheit im nahen Infrarotbereich. Neben dem Bereich AAL eröffnen sich weitere Anwendungsszenarien auf den folgenden Feldern: Fahrerüberwachung im Fahrzeug, Detektion des plötzlichen Kindstods, E-Rehabilitation und Triage im Krankenhaus. / Europe, in particular Germany, is facing the problem of a steadily ageing society. This development goes hand in hand with a higher demand for technical assistance systems, which can assist elderly people with their self-determined living. A key element is the interconnection of different systems in the home environment in order to recognise the behaviour of a person. In case of an emergency, relatives and medical personnel can be notified automatically. In order to ensure that functionality, the monitoring of vital parameters is a crucial element to determine and to analyse the health status of a person. Conventional systems that determine vital parameters require body contact and are therefore uncomfortable for the person who wars such as system. In contrast to that, contact-less optical methods based on image processing do not share these problems. However, existing methods in this field do not fulfil the requirements regarding accuracy and robustness. This thesis contributes to close this gap by investigating accurate and robust methods to determine vital parameters by means of highly sophisticated image processing techniques. To that aim, vital parameters such as the heart rate, the respiration rate and the oxygen saturation are considered. On the basis of the quantisation of intensity and motion artefacts, a new method, the so-called ratio method, is introduced to determine the heart. In order to eliminate these artefacts another method based on an individual, scene depending skin colour model, an extended KLT tracking, an ICA, a channel selection and an adaptive filtering is presented. The evaluation shows that the mean RMSE is always below a threshold of 3 BPM. The determination of the respiration rate in the visual spectrum is realised by using optical flow, a PCA and an FFT. It can be shown that the mean RMSE is below a threshold of 2.5 breath cycles per minute for all test cases. For the oxygen saturation two setups consisting of one and two cameras respectively are investigated. Determining vital parameters is not limited to the visual spectrum. It is as well feasible to analyse long-wavelength thermal images in order to determine the heart rate and the respiration rate, which was also studied in this thesis. For a realistic evaluation the developed algorithms in the field of AAL, measurements in the AAL living lab of TU Chemnitz are conducted and analysed. It can be demonstrated that the heart rate and the respiration rate can be reliably detected. Moreover, it can be shown that omni-directional cameras can be used in the home environment for vital parameter extraction. Furthermore, this thesis provides the evidence that the determination of the heart rate and the respiration rate is also possible in case of short-wavelength infrared light. Besides the field of AAL, there exist more application areas such as driver monitoring, detection of sudden infant death syndrome, e-rehabilitation or triage in hospital.

Blind source separation (BSS) aims at separating useful signal content from distortions. In the contactless acquisition of vital signs by means of the camera-based photoplethysmogram (cbPPG), BSS has evolved the most widely used approach to extract the cardiac pulse. Despite its frequent application, there is no consensus about the optimal usage of BSS and its general benefit. This contribution investigates the performance of BSS to enhance the cardiac pulse from cbPPGs in dependency to varying input data characteristics. The BSS input conditions are controlled by an automated spatial preselection routine of regions of interest. Input data of different characteristics (wavelength, dominant frequency, and signal quality) from 18 postoperative cardiovascular patients are processed with standard BSS techniques, namely principal component analysis (PCA) and independent component analysis (ICA). The effect of BSS is assessed by the spectral signal-tonoise ratio (SNR) of the cardiac pulse. The preselection of cbPPGs, appears beneficial providing higher SNR compared to standard cbPPGs. Both, PCA and ICA yielded better outcomes by using monochrome inputs (green wavelength) instead of inputs of different wavelengths. PCA outperforms ICA for more homogeneous input signals. Moreover, for high input SNR, the application of ICA using standard contrast is likely to decrease the SNR.