Advertisement

Modellierung und Optimierung eines Biosensors zur Detektion viraler Strukturen

  • Dominic SiedhoffEmail author
  • Pascal Libuschewski
  • Frank Weichert
  • Alexander Zybin
  • Peter Marwedel
  • Heinrich Müller
Chapter
Part of the Informatik aktuell book series (INFORMAT)

Kurzfassung

Die echtzeitfähige Detektion mannigfaltiger viraler Strukturen gewinnt zunehmend an Bedeutung. Hier setzt die vorliegende Arbeit an, welche die adaptive Modellierung und Optimierung eines Biosensors vorstellt und zur automatischen Synthese von segmentierten Trainingsdaten nutzt, was den manuellen Aufwand zur Adaption an unterschiedliche Virustypen nachhaltig reduziert. Im vorliegenden Anwendungsfall des PAMONO-Sensors werden über diesen Ansatz die Parameter eines GPGPU-basierten Objekt-Detektors genetisch optimiert. Die Güte des Ansatzes zeigt sich bei der Übertragung der optimierten Parameter auf reale Eingabedaten: Die Qualitätsmaße Precision und Recall erreichen Werte größer als 0.92.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. 1.
    Mairhofer J, Roppert K, Ertl P. Microfluidic systems for pathogen sensing: a review. Sensors. 2009;9:4804–23.CrossRefGoogle Scholar
  2. 2.
    Zybin A, et al. Real-time detection of single immobilized nanoparticles by surface plasmon resonance imaging. Plasmonics. 2010;5:31–5.CrossRefGoogle Scholar
  3. 3.
    Smal I, et al. Quantitative comparison of spot detection methods in live-cell fluorescence microscopy imaging. Proc ISBI. 2009.Google Scholar
  4. 4.
    Han JW, et al. Radicular cysts and odontogenic keratocysts epithelia classification using cascaded haar classifiers. Proc MIUA; 2008.Google Scholar
  5. 5.
    Pan J, Kanade T, Chen M. Learning to detect different types of cells under phase contrast microscopy. Proc MIAAB. 2009; p. 1–8.Google Scholar
  6. 6.
    Bartz-Beielstein T, et al. The sequential parameter optimization toolbox. Experimental methods for the analysis of optimization algorithms; 2010.Google Scholar
  7. 7.
    Man KF, et al. Genetic Algorithms: Concepts and Designs. Springer; 2001.Google Scholar
  8. 8.
    Libuschewski P, et al. Fuzzy-enhanced, real-time capable detection of biological viruses using a portable biosensor. Proc BIOSTEC. 2013.Google Scholar
  9. 9.
    Sezan MI, Pavlovic G, Tekalp AM, et al. On modeling the focus blur in image restoration. Proc ICASSP. 1991; p. 2485–8.Google Scholar
  10. 10.
    He H, Garcia EA. Learning from imbalanced data. IEEE Trans Knowl Data Eng. 2009;21:1263–84.CrossRefGoogle Scholar
  11. 11.
    Libuschewski P, Siedhoff D, Weichert F. Energy-aware design space exploration for GPGPUs. Comput Sci Res Dev. 2013.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2014

Authors and Affiliations

  • Dominic Siedhoff
    • 1
    Email author
  • Pascal Libuschewski
    • 2
  • Frank Weichert
    • 1
  • Alexander Zybin
    • 3
  • Peter Marwedel
    • 2
  • Heinrich Müller
    • 1
  1. 1.Lehrstuhl für Graphische SystemeTechnische Universität DortmundDortmundDeutschland
  2. 2.Lehrstuhl für Eingebettete SystemeTechnische Universität DortmundDortmundDeutschland
  3. 3.Leibniz-Institut für Analytische Wissenschaften – ISASDortmundDeutschland

Personalised recommendations