- Titel
- Einsatz der FT-IR-Mikrospektroskopie und multivariater Auswertealgorithmen zur Identifizierung und Klassifizierung von Tumorgeweben
- Zitierfähige Url:
- https://nbn-resolving.org/urn:nbn:de:swb:14-1031654874828-52789
- Datum der Einreichung
- 17.04.2002
- Datum der Verteidigung
- 27.08.2002
- Abstract (DE)
- Das erste gestellte Ziel war es, die histologischen Strukturen eines Gewebedünnschnittes anhand der aufgenommenen FT-IR-Spektren sichtbar zu machen und diese mit dem konventionell gefärbten Schnitt und der autoradiographischen Aufnahme zu vergleichen. Dazu wurde ein Messsystem bestehend aus einem FT-IR-Spektrometer mit Mikroskop und einem computergesteuerten XY-Tisch aufgebaut und die notwendige Steuer- und Auswerte-Software entwickelt. Es konnte gezeigt werden, dass sich die FT-IR-Spektren mit geeigneten Auswerteverfahren zur Darstellung der histologischen Strukturen nutzen lassen. Dazu wurden zwei verschiedene Methoden eingesetzt, die PCA und die Fuzzy-Clusterung (FCM). Im zweiten Teil dieser Arbeit sollte ein Klassifikations-Algorithmus gefunden werden, mit dessen Hilfe sich Spektren von unbekannten Gewebeproben vorher definierten Modellen zuordnen lassen. Dazu wurde eine Spektren-Datenbank aus mehr als einhundert Gewebeproben angelegt. Aus dieser Datenbank wurden einige zehntausend Spektren ausgewählt und zu Modell-Datensätzen für sechs verschiedene Gewebetypen zusammengefasst. Für die Zuordnung unbekannter Spektren zu diesen Modellen wurde ein SIMCA-Klassifikations-Algorithmus entwickelt sowie ein LDA-Algorithmus eingesetzt. Für beide Methoden wurde die Klassi-fikations-Leistung anhand der Spezifität und Sensitivität bestimmt. Beide Klassifikations-Algorithmen führten zu guten Ergebnissen. Der SIMCA-Algorithmus erreichte eine Spezifität zwischen 97 % und 100 %, sowie eine Sensitivität zwischen 62 % und 78 % (bei einem Vertrauensintervall von 97,5 %). Der LDA-Algorithmus ermöglichte eine etwas bessere Sensitivität von 72 % bis 90 %, auf Kosten der Spezifität, welche zwischen 90 % und 98 % lag. Zusammenfassend kann festgestellt werden, dass sich die FT-IR-Mikrospektroskopie und die vorgestellten Auswerte-Algorithmen sehr gut zur Klassifizierung von Gewebedünnschnitten eignen.
- Freie Schlagwörter (DE)
- FCM, FT-IR-Spektroskopie, Klassifizierung, PCA, SIMCA, Tumor
- Freie Schlagwörter (EN)
- FCM, FT-IR-Spectroscopy, PCA, SIMCA, Tumor, classification
- Klassifikation (DDC)
- 33
- Klassifikation (RVK)
- YR 2520
- Normschlagwörter (GND)
- FT-IR-Spektroskopie, Hauptkomponentenanalyse, Histologie, Positronen-Emissions-Tomographie, Tumor, Tumorklassifikation
- GutachterIn
- Prof. Reiner Salzer
- Prof. Henry Mantsch
- Prof. Bernd Johannsen
- BetreuerIn
- Prof. Reiner Salzer
- Verlag
- Technische Universität Dresden, Dresden
- URN Qucosa
- urn:nbn:de:swb:14-1031654874828-52789
- Veröffentlichungsdatum Qucosa
- 10.08.2002
- Dokumenttyp
- Dissertation
- Sprache des Dokumentes
- Deutsch
- Lizenz / Rechtehinweis
