Studien zur Generalisierbarkeit künstlicher neuronaler Netze in der diagnostischen Infrarot-Spektroskopie

  • In der vorliegenden Arbeit wurden künstliche tiefe neuronale Netzwerke zur Prozessierung spektroskopischer Daten in der medizinischen Diagnostik untersucht. Eine zentrale Eigenschaft von Klassifikatoren im diagnostischen Kontext ist die Fähigkeit zu generalisieren: Wie verhält sich die Genauigkeit des Klassifikators, wenn einzelne Parameter der Probenaufnahme variiert werden. Während Parameter von Probenaufnahmen innerhalb einer klinischen Studie möglichst wenig variiert werden, sind Variationen außerhalb solcher Studien unvermeidbar und begrenzt kontrollierbar. Untersucht wurden zu diesem Thema Daten der Attenuated total reflection FTIR-Spektroskopie von humanen Flüssigbiopsien, zur Erstellung von Morbus Alzheimer Diagnosen auf der Grundlage von Blutproben. Weiterhin untersucht wurden Gewebeproben aus dem FTIR-Imaging zur Krebs-Diagnose. In beiden Anwendungsgebieten konnte der Goldstandard verbessert werden, oder eine generalisierende Klassifikation zum ersten Mal erfolgen.
  • Topic of the present thesis are, artificial deep neural networks for processing spectroscopic data in medical diagnostics. A central property of classifiers in the diagnostic context is their ability to generalize: How does the accuracy of the classifier behave when individual parameters of the sample intake are varied. While sample parameters are varied as little as possible within a clinical study, variations outside such studies are unavoidable and can be controlled to a limited extent. These algorithms were examined on the basis of data from Attenuated total reflection FTIR spectroscopy of human Liquid biopsies, for making a diagnosis of Alzheimer's disease on the basis of blood samples. Further, on tissue samples from FTIR-based imaging for cancer diagnosis, which were also examined. In both applications, the gold standard could be improved or a generalizing classification could be performed for the first time.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author:Arne Peter RaulfGND
URN:urn:nbn:de:hbz:294-74923
DOI:https://doi.org/10.13154/294-7492
Title Additional (English):Studies on the generalizability of artificial neural networks in diagnostic infrared spectroscopy
Referee:Axel MosigORCiDGND, Minou NowrousianORCiDGND
Document Type:Doctoral Thesis
Language:German
Date of Publication (online):2020/09/02
Date of first Publication:2020/09/02
Publishing Institution:Ruhr-Universität Bochum, Universitätsbibliothek
Granting Institution:Ruhr-Universität Bochum, Fakultät für Biologie und Biotechnologie
Date of final exam:2019/10/28
Creating Corporation:Fakultät für Biologie und Biotechnologie
GND-Keyword:Alzheimerkrankheit; Krebs (Medizin); FT-IR-Spektroskopie; ATR-Technik; Spektroskopie
Institutes/Facilities:Lehrstuhl für Biophysik, Arbeitsgruppe Bioinformatik
Dewey Decimal Classification:Naturwissenschaften und Mathematik / Biowissenschaften, Biologie, Biochemie
faculties:Fakultät für Biologie und Biotechnologie
Licence (German):License LogoKeine Creative Commons Lizenz - es gelten der Veröffentlichungsvertrag und das deutsche Urheberrecht