@phdthesis{Ebensperger2014,
  author    = {Ebensperger, Thomas},
  title     = {Konzeption, Umsetzung und Evaluierung eines linsenlosen R{\"o}ntgenmikroskopes},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-117937},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2014},
  abstract  = {Diese Arbeit befasst sich mit der Konzeption, Umsetzung und Charakterisierung eines R{\"o}nt- genmikroskops f{\"u}r harte R{\"o}ntgenstrahlung mit der M{\"o}glichkeit zur dreidimensionalen Bild- gebung. Der vorgestellte Aufbau basiert auf geometrischer Vergr{\"o}ßerung und verzichtet im Gegensatz zu anderen R{\"o}ntgenmikroskopiemethoden auf den Einsatz optischer Elemente. Dreidimensionale Bildgebung wird durch einen linearlaminographischen Aufnahmemodus realisiert, bei dem unterschiedliche Durchstrahlungsrichtungen durch das Objekt durch eine relative Verschiebung von Quelle und Detektor zustande kommen. Die R{\"o}ntgenquelle des Mikroskops besteht aus einer zu einer Nanofokusr{\"o}ntgenr{\"o}hre um- gebauten Elektronenmikrosonde mit 30 kV Beschleunigungsspannung (dies entspricht einer Wellenl{\"a}nge von bis zu 0,041 nm). Durch die Elektronenoptik kann ein intensiver Elektronen- strahl anstelle eine Probe auf ein Transmissionstarget fokussiert werden. In dieser Arbeit wird eine M{\"o}glichkeit evaluiert, die Schichtdicke der r{\"o}ntgenaktiven Schicht des Transmissionstar- gets f{\"u}r die gegebene Beschleunigungsspannung zu optimieren. Dabei werden eine Schichtdi- cke f{\"u}r maximale R{\"o}ntgenleistung (700 nm Wolfram) und eine f{\"u}r maximale R{\"o}ntgenleistung bezogen auf die entstehende Quellfleckgr{\"o}ße (100 nm Wolfram) identifiziert. Dadurch erreicht dieses System eine laterale Ortsaufl{\"o}sung von 197 nm, gemessen an einem Siemensstern. Diese ist eine Gr{\"o}ßenordnung besser als bei modernen SubμCT-Anlagen, die zur zerst{\"o}rungsfrei- en Pr{\"u}fung eingesetzt werden, und einen Faktor 2 besser als bei Laborr{\"o}ntgenmikroskopen basierend auf Fresnel'schen Zonenplatten. Abgesehen von der lateralen Aufl{\"o}sung bei hochkontrastigen Objekten werden auch die Abbil- dungseigenschaften f{\"u}r schwach absorbierende Proben mit Inline-Phasenkontrastbildgebung untersucht. Dazu wird eine Methode entwickelt mit der anhand der gegebenen Anlagenpara- meter der optimale Quell-Objekt-Abstand zur Maximierung des Fringe-Kontrasts gefunden werden kann. Dabei wird die Auspr{\"a}gung des Fringe-Kontrasts auf die Phase -iα zur{\"u}ck gef{\"u}hrt. Das vorgeschlagene Modell wird durch Messungen am R{\"o}ntgenmikroskop und an einer weiteren R{\"o}ngtenanlage verifiziert. Zur Beurteilung der dreidimensionalen Bildgebung mit dem vorgeschlagenen linearlaminogra- phischen Aufnahmemodus kann dieser auf eine konventionelle Computertomographie mit ein- geschr{\"a}nktem Winkelbereich zur{\"u}ckgef{\"u}hrt werden und so die maximal erreichbare Winkel- information bestimmt werden. Des Weiteren werden numerische Berechnungen durchgef{\"u}hrt, um die Einfl{\"u}sse von Rauschen und geometrischen Vorgaben einsch{\"a}tzen zu k{\"o}nnen. Ein experimenteller Test des Laminographiesystems wird anhand eines hochkontrastigen (Fres- nel'sche Zonenplatte) und eines niederkontrastigen Objekts (Kohlefasergewebe) durchgef{\"u}hrt. Es zeigte sich, dass die laterale Aufl{\"o}sung w{\"a}hrend der dreidimensionalen Rekonstruktion gut erhalten bleibt, die Tiefenaufl{\"o}sung aber nicht die gleiche Qualit{\"a}t erreicht. Außerdem konnte festgestellt werden, dass die Tiefenaufl{\"o}sung sehr stark von der Geometrie und Zusammen- setzung des untersuchten Objekts abh{\"a}ngt.},
  subject      = {Harte R{\"o}ntgenstrahlung},
  language  = {de}
}
@phdthesis{Walz2014,
  author    = {Walz, Yvonne},
  title     = {Remote sensing for disease risk profiling: a spatial analysis of schistosomiasis in West Africa},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-108845},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2014},
  abstract  = {Global environmental change leads to the emergence of new human health risks. As a consequence, transmission opportunities of environment-related diseases are transformed and human infection with new emerging pathogens increase. The main motivation for this study is the considerable demand for disease surveillance and monitoring in relation to dynamic environmental drivers. Remote sensing (RS) data belong to the key data sources for environmental modelling due to their capabilities to deliver spatially continuous information repeatedly for large areas with an ecologically adequate spatial resolution. A major research gap as identified by this study is the disregard of the spatial mismatch inherent in current modelling approaches of profiling disease risk using remote sensing data. Typically, epidemiological data are aggregated at school or village level. However, these point data do neither represent the spatial distribution of habitats, where disease-related species find their suitable environmental conditions, nor the place, where infection has occurred. As a consequence, the prevalence data and remotely sensed environmental variables, which aim to characterise the habitat of disease-related species, are spatially disjunct. The main objective of this study is to improve RS-based disease risk models by incorporating the ecological and spatial context of disease transmission. Exemplified by the analysis of the human schistosomiasis disease in West Africa, this objective includes the quantification of the impact of scales and ecological regions on model performance. In this study, the conditions that modify the transmission of schistosomiasis are reviewed in detail. A conceptual underpinning of the linkages between geographical RS measures, disease transmission ecology, and epidemiological survey data is developed. During a field-based analysis, environmental suitability for schistosomiasis transmission was assessed on the ground, which is then quantified by a habitat suitability index (HSI) and applied to RS data. This conceptual model of environmental suitability is refined by the development of a hierarchical model approach that statistically links school-based disease prevalence with the ecologically relevant measurements of RS data. The statistical models of schistosomiasis risk are derived from two different algorithms; the Random Forest and the partial least squares regression (PLSR). Scale impact is analysed based on different spatial resolutions of RS data. Furthermore, varying buffer extents are analysed around school-based measurements. Three distinctive sites of Burkina Faso and C{\^o}te d'Ivoire are specifically modelled to represent a gradient of ecozones from dry savannah to tropical rainforest including flat and mountainous regions. The model results reveal the applicability of RS data to spatially delineate and quantitatively evaluate environmental suitability for the transmission of schistosomiasis. In specific, the multi-temporal derivation of water bodies and the assessment of their riparian vegetation coverage based on high-resolution RapidEye and Landsat data proofed relevant. In contrast, elevation data and water surface temperature are constraint in their ability to characterise habitat conditions for disease-related parasites and freshwater snail species. With increasing buffer extent observed around the school location, the performance of statistical models increases, improving the prediction of transmission risk. The most important RS variables identified to model schistosomiasis risk are the measure of distance to water bodies, topographic variables, and land surface temperature (LST). However, each ecological region requires a different set of RS variables to optimise the modelling of schistosomiasis risk. A key result of the hierarchical model approach is its superior performance to explain the spatial risk of schistosomiasis. Overall, this study stresses the key importance of considering the ecological and spatial context for disease risk profiling and demonstrates the potential of RS data. The methodological approach of this study contributes substantially to provide more accurate and relevant geoinformation, which supports an efficient planning and decision-making within the public health sector.},
  subject      = {Westafrika},
  language  = {en}
}