TY  - THES
A1  - Esch, Thomas
T1  - Automatisierte Analyse von Siedlungsflächen auf der Basis höchstauflösender Radardaten
T1  - Automated analysis of urban areas based on high resolution SAR images
N2  - Städtische Agglomerationen zeichnen sich durch eine zunehmende Dynamik ökologischer, ökonomischer und sozialer Veränderungen aus. Um eine nachhaltige Entwicklung urbaner Räume zu gewährleisten, bedarf es verstärkt innovativer Methoden zur Erfassung der raumwirksamen Veränderungen. Diesbezüglich hat sich die satellitengestützte Erdbeobachtung als kostengünstiges Instrumentarium zur Erhebung planungsrelevanter Informationen erwiesen. Dabei wird in naher Zukunft eine neue Generation von Radarsatelliten zur Verfügung stehen, deren Leistungsvermögen erstmals die operationelle Analyse von Siedlungsflächen auf Grundlage von Radardaten ermöglicht. Vor diesem Hintergrund ist es das Ziel der Dissertation, auf der Basis einer nutzerorientierten Methodik das Potential hochauflösender SAR-Daten zur automatisierten Erfassung und Analyse von Siedlungsflächen zu untersuchen. Die Methodik setzt auf dem objektorientierten Bildanalysekonzept der Software eCognition auf. Dabei haben sich der SAR-Speckle sowie Schwächen hinsichtlich der Güte der Bildsegmentierung bzw. der Bestimmung geeigneter Segmentierungseinstellungen als Limitierungen erwiesen. Folglich liegt ein erster Schwerpunkt auf der Optimierung und Stabilisierung einer segmentbasierten Auswertung von Radardaten. Hier hat sich gezeigt, dass mit Blick auf Siedlungsareale weiterhin Optimierungsbedarf hinsichtlich einer strukturerhaltenden Bildglättung besteht. Daher wird zunächst ein neuer Filteransatz entwickelt, der gegenüber den etablierten Techniken eine konsequentere Reduzierung des Speckle in homogenen Bildarealen gewährleistet und dabei gleichsam die hochfrequente Information in stark strukturierten Aufnahmebereichen bewahrt. Die Schwierigkeiten im Zusammenhang mit der Güte und Übertragbarkeit der Bildsegmentierung werden ebenso wie die Schwächen im Hinblick auf die zielgerichtete Definition der optimalen Segmentierungsparameter durch die Entwicklung eines klassenbasierten Ansatzes zur Segmentoptimierung in der Software-Umgebung von eCognition reduziert. Der zweite Schwerpunkt dieser Dissertation widmet sich der Entwicklung von Konzepten zur automatisierten Analyse der regionalen und lokalen Siedlungsstruktur. Im regionalen Kontext liegen die Identifizierung von Siedlungsflächen und die Erfassung einfacher Landnutzungsklassen im Fokus der Arbeiten. Dazu wird ein Regelwerk zur Auswertung einfach-polarisierter SAR-Aufnahmen erstellt, das sich maßgeblich auf räumlich und zeitlich robuste textur-, kontext- und hierarchiebezogene Merkmale stützt. Diese Wissensbasis wird anschließend so erweitert, dass sie die Analyse dual-polarisierter, bifrequenter oder kombinierter optischer und SAR-basierter Bilddaten ermöglicht. Wie die Ergebnisse zeigen, können Siedlungsflächen und Landnutzungsklassen bereits über einfach-polarisierte SAR-Aufnahmen mit Genauigkeiten von rund 90 Prozent erfasst werden. Durch die Einbindung einer weiteren Polarisation, Frequenz oder optischer Daten lässt sich diese Güte auf Werte von bis zu 95 Prozent steigern. Die lokalen Analysen zielen auf die thematisch und räumlich differenzierte Erfassung der Landnutzung innerhalb bebauter Areale ab. Die Untersuchung basiert auf der synergetischen Auswertung einer hochauflösenden Radaraufnahme und eines bedeutend geringer aufgelösten optischen Datensatzes. Die isolierte Analyse von SAR-Aufnahmen reichte hingegen selbst bei der Kombination verschiedener Frequenzen oder Polarisationen nicht zur Charakterisierung der kleinteiligen, heterogenen Stadtlandschaft aus. Im Kontext der synergetischen Auswertung dient die SAR-Aufnahme vornehmlich zur Extraktion der urbanen Topografie, während der optische Datensatz wichtige Merkmale zur Differenzierung der erfassten Struktureinheiten in die Kategorien Gebäude, versiegelte Freifläche, unversiegelte Freifläche und Baumbestand beisteuert. Das Resultat zeigt, dass sich trotz des synergetischen Ansatzes lediglich eine Genauigkeit von 65 Prozent erzielen lässt. Dennoch können Gebäude dabei mit einer Güte von 72 Prozent vergleichsweise akkurat erfasst werden. Im Hinblick auf die Demonstration des siedlungsbezogenen Anwendungspotentials höchstauflösender SAR-Daten lässt sich resümieren, dass eine automatische Ableitung siedlungsstruktureller Merkmale im komplexen städtischen Umfeld aufgrund der eingeschränkten spektralen Aussagekraft und der starken Geometrieabhängigkeit des Signals mit signifikanten Schwierigkeiten verbunden ist. Dennoch hat sich gezeigt, dass diese Limitierungen in gewissem Umfang über den Ansatz der multiskaligen, objektorientierten Klassifizierung kompensiert werden können. Dabei lassen sich die regionalen Siedlungs- und Landnutzungsmuster mit überzeugenden Genauigkeiten erfassen, während die Betrachtung der lokalen Siedlungsstruktur eindeutig die Grenzen der Radartechnik im Hinblick auf die Analyse komplex strukturierter Stadtlandschaften aufzeigt.
N2  - Urban areas feature an increasing dynamic of ecological, economic and social changes. This trend increases the demand for innovative methods to detect and monitor the resulting effects on the urban environment. In this context space borne earth observation has proven to be a cost-effective tool to gain profitable geo-information on various phenomena that concern spatial planning. Withal, in the near future new radar satellite systems will provide a basis for the operational and detailed analysis of settlements for the first time in history. In view of these satellite missions this dissertation investigates the capabilities of high resolution SAR imagery with respect to an automated analysis of urban characteristics. The underlying methodology is based on the object-oriented image analysis software eCognition. In this context the investigations have shown that both the effect of radar speckle and deficiencies regarding the quality of image segmentation as well as the definition of appropriate segmentation settings restrict the efficiency of a segment-based approach. Hence, this dissertation initially focuses on the development of concepts to optimise and stabilise the process of an object-oriented analysis of radar data. This study could show that there is still an ongoing demand for an effective and texture-preserving reduction of image speckle in dissected urban environments. Therefore, an innovative filtering algorithm is developed which allows for a more potent reduction of speckle noise in homogeneous areas while still preserving the texture information in highly structured regions of the SAR image. The difficulties associated with the accuracy and robustness of image segmentation are addressed by the development of a classification-based object-refinement procedure. At the same time this procedure allows for a more transparent and target-oriented definition of the image segmentation settings. However, the main focus of this dissertation is put on the development of concepts for an automated analysis of the regional and local structure of settlements. In the regional context the work aims at both identifying built-up areas and deriving land use categories such as settlement, open area, forest and water bodies. Thereby a rule base is first created which allows for the analysis of single-polarised SAR data. These rules mainly involve spatially and temporally robust, textural, hierarchical and context-related features. Next, this knowledge base is modified in order to facilitate the analysis of dual-polarised, dual-frequency or combined optical and radar-based imagery. The results of this study show that the settlements and the defined land use classes can be identified with an overall accuracy of around 90 percent – even on the basis of single-polarised SAR data. By considering an additional polarisation, frequency or optical data set this accuracy can be increased significantly to values of up to 95 percent. The local analyses aim at a spatially and thematically more detailed description of the land use pattern within built-up areas. Since an isolated analysis of SAR-data – even when combining different polarisations or frequencies – could not suffice to characterise the highly dissected urban environment, this investigation is based on the synergetic use of a high-resolution SAR image and a medium resolution optical data set. In this context the radar image is mainly employed to describe the urban topography, while the optical data provides important features for the detailed differentiation of the extracted structural units into the categories building, sealed surface, unsealed surface and trees. The result of this study exemplifies that the synergetic analysis of a high resolution SAR image and a medium resolution optical data set enables the survey of the defined urban land use classes with a comparably limited accuracy of 65 percent. Nevertheless, within the scope of this classification the category “building” could be identified with an accuracy of 72 percent. This dissertation aimed at demonstrating the suitability of high resolution SAR data for the characterisation of urban environments based on an established image analysis approach. With regard to this objective the dissertation has demonstrated that an automated analysis of built-up areas encounters significant difficulties due to the limited spectral resolution and the strong dependency of backscatter on the viewing and target geometry. Nevertheless, the functionality of the multiscale object-oriented classification approach could compensate for these limitations to some degrees. Thereby, the regional analyses – including the identification of built-up areas and the analysis of land use – led to convincing results. In contrast, the characterisation of the local urban land use pattern pointed out the limitations of radar remote sensing for classifying complex urban environments.
KW  - Fernerkundung
KW  - Siedlungsstruktur
KW  - Stadtlandschaft
KW  - Bildanalyse
KW  - Radarbild
KW  - Fernerkundung
KW  - SAR
KW  - Siedlungsflächen
KW  - Objektorientierte Bildanalyse
KW  - remote sensing
KW  - SAR
KW  - urban areas
KW  - object-oriented image analysis
Y1  - 2006
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-18863
ER  - 
TY  - THES
A1  - Kaltdorf [geb. Schuch], Kristin Verena
T1  - Mikroskopie, Bildverarbeitung und Automatisierung der Analyse von Vesikeln in \(C.\) \(elegans\) und anderen biologischen Strukturen
T1  - Microscopy, Image Processing and Automization of Analysis of Vesicles in \(C.\) \(elegans\) and other biological Structures
N2  - Thema dieser Thesis ist die Analyse sekretorischer Vesikelpools auf Ultrastrukturebene in unterschiedlichen biologischen Systemen. Der erste und zweite Teil dieser Arbeit fokussiert sich auf die Analyse synaptischer Vesikelpools in neuromuskulären Endplatten (NME) im Modellorganismus Caenorhabditis elegans. Dazu wurde Hochdruckgefrierung und Gefriersubstitution angewandt, um eine unverzügliche Immobilisation der Nematoden und somit eine Fixierung im nahezu nativen Zustand zu gewährleisten. Anschließend wurden dreidimensionale Aufnahmen der NME mittels Elektronentomographie erstellt. Im ersten Teil dieser Arbeit wurden junge adulte, wildtypische C. elegans Hermaphroditen mit Septin-Mutanten verglichen. Um eine umfassende Analyse mit hoher Stichprobenzahl zu ermöglichen und eine automatisierte Lösung für ähnliche Untersuchungen von Vesikelpools bereit zu stellen wurde eine Software namens 3D ART VeSElecT zur automatisierten Vesikelpoolanalyse entwickelt. Die Software besteht aus zwei Makros für ImageJ, eines für die Registrierung der Vesikel und eines zur Charakterisierung. Diese Trennung in zwei separate Schritte ermöglicht einen manuellen Verbesserungsschritt zum Entfernen falsch positiver Vesikel. Durch einen Vergleich mit manuell ausgewerteten Daten neuromuskulärer Endplatten von larvalen Stadien des Modellorganismus Zebrafisch (Danio rerio) konnte erfolgreich die Funktionalität der Software bewiesen werden. Die Analyse der neuromuskulären Endplatten in C. elegans ergab kleinere synaptische Vesikel und dichtere Vesikelpools in den Septin-Mutanten verglichen mit Wildtypen. 
Im zweiten Teil der Arbeit wurden neuromuskulärer Endplatten junger adulter C. elegans Hermaphroditen mit Dauerlarven verglichen. Das Dauerlarvenstadium ist ein spezielles Stadium, welches durch widrige Umweltbedingungen induziert wird und in dem C. elegans über mehrere Monate ohne Nahrungsaufnahme überleben kann. Da hier der Vergleich der Abundanz zweier Vesikelarten, der „clear-core“-Vesikel (CCV) und der „dense-core“-Vesikel (DCV), im Fokus stand wurde eine Erweiterung von 3D ART VeSElecT entwickelt, die einen „Machine-Learning“-Algorithmus zur automatisierten Klassifikation der Vesikel integriert. Durch die Analyse konnten kleinere Vesikel, eine erhöhte Anzahl von „dense-core“-Vesikeln, sowie eine veränderte Lokalisation der DCV in Dauerlarven festgestellt werden.
Im dritten Teil dieser Arbeit wurde untersucht ob die für synaptische Vesikelpools konzipierte Software auch zur Analyse sekretorischer Vesikel in Thrombozyten geeignet ist. Dazu wurden zweidimensionale und dreidimensionale Aufnahmen am Transmissionselektronenmikroskop erstellt und verglichen. Die Untersuchung ergab, dass hierfür eine neue Methodik entwickelt werden muss, die zwar auf den vorherigen Arbeiten prinzipiell aufbauen kann, aber den besonderen Herausforderungen der Bilderkennung sekretorischer Vesikel aus Thrombozyten gerecht werden muss.
N2  - Subject of this thesis was the analysis of the ultrastructure of vesicle pools in various biological systems. The first and second part of this thesis is focused on the analysis of synaptic vesicle pools in neuromuscular junctions in the model organism Caenorhabditis elegans. In order to get access of synaptic vesicle pools in their near-to native state high-pressure freezing and freeze substitution was performed. Subsequently three-dimensional imaging of neuromuscular junctions using electron tomography was performed. In the first part young adult wild-type C. elegans hermaphrodites and septin mutants were compared. To enable extensive analysis and to provide an automated solution for comparable studies, a software called 3D ART VeSElecT for automated vesicle pool analysis, was developed. The software is designed as two macros for ImageJ, one for registration of vesicles and one for characterization. This separation allows for a manual revision step in between to erase false positive particles. Through comparison with manually evaluated data of neuromuscular junctions of larval stages of the model organism zebrafish (Danio rerio), functionality of the software was successfully proved. As a result, analysis of C. elegans neuromuscular junctions revealed smaller synaptic vesicles and more densely packed vesicle pools in septin mutants compared to wild-types.
In the second part of this thesis NMJs of young adult C. elegans hermaphrodites were compared with dauer larvae. The dauer larva is a special state that is induced by adverse environmental conditions and enables C. elegans to survive several months without any foot uptake. Aiming for an automated analysis of the ratio of two vesicle types, clear core vesicles (CCVs) and dense core vesicles (DCVs), an extension for 3D ART VeSElecT was developed, integrating a machine-learning classifier. As a result, smaller vesicles and an increased amount of dense core vesicles in dauer larvae were found.
In the third part of this thesis the developed software, designed for the analysis of synaptic vesicle pools, was checked for its suitability to recognize secretory vesicles in thrombocytes. Therefore, two-dimensional and three-dimensional transmission electron microscopic images were prepared and compared. The investigation has shown that a new methodology has to be developed which, although able to build on the previous work in principle, must meet the special challenges of image recognition of secretory vesicles from platelets.
KW  - Mikroskopie
KW  - Bildverarbeitung
KW  - Registrierung <Bildverarbeitung>
KW  - Synaptische Vesikel
KW  - Bildanalyse
KW  - Automatisierung der Analyse
KW  - Automated Image Analysis
KW  - Caenorhabditis elegans
KW  - Electron Microscopy
KW  - Elektronenmikroskopie
KW  - Caenorhabditis elegans
KW  - automatisierte Bildanalyse
Y1  - 2019
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-160621
ER  - 
TY  - THES
A1  - Segebarth, Dennis
T1  - Evaluation and validation of deep learning strategies for bioimage analyses
T1  - Evaluation und Validierung von Deep learning Strategien für die Analyse biologischer Bilddaten
N2  - Significant advances in fluorescence imaging techniques enable life scientists today to gain insights into biological systems at an unprecedented scale. The interpretation of image features in such bioimage datasets and their subsequent quantitative analysis is referred to as bioimage analysis. A substantial proportion of bioimage analyses is still performed manually by a human expert - a tedious process that is long known to be subjective. Particularly in tasks that require the annotation of image features with a low signal-to-noise ratio, like in fluorescence images of tissue samples, the inter-rater agreement drops. However, like any other scientific analysis, also bioimage analysis has to meet the general quality criteria of quantitative research, which are objectivity, reliability, and validity. Thus, the automation of bioimage analysis with computer-aided approaches is highly desirable. Albeit conventional hard-coded algorithms are fully unbiased, a human user has to set its respective feature extraction parameters. Thus, also these approaches can be considered subjective.

Recently, deep learning (DL) has enabled impressive advances in computer vision research. The predominant difference between DL and conventional algorithms is the capability of DL models to learn the respective task on base of an annotated training dataset, instead of following user-defined rules for feature extraction. This thesis hypothesized that DL can be used to increase the objectivity, reliability, and validity of bioimage analyses, thus going beyond mere automation. However, in absence of ground truth annotations, DL models have to be trained on manual and thus subjective annotations, which could cause the model to incorporate such a bias. Moreover, model training is stochastic and even training on the same data could result in models with divergent outputs. Consequently, both the training on subjective annotations and the model-to-model variability could impair the quality of DL-based bioimage analyses. This thesis systematically assessed the impacts of these two limitations experimentally by analyzing fluorescence signals of a protein called cFOS in mouse brain sections. Since the abundance of cFOS correlates with mouse behavior, behavioral analyses could be used for cross-validation of the bioimage analysis results. Furthermore, this thesis showed that pooling the input of multiple human experts during model training and integration of multiple trained models in a model ensemble can mitigate the impact of these limitations. In summary, the present study establishes guidelines for how DL can be used to increase the general quality of bioimage analyses.
N2  - Fortschritte in den Methoden der fluoreszenz-basierten Bildgebung ermöglichen Biowissenschaftlern heutzutage noch nie dagewesene Einblicke in biologische Systeme. Die Interpretation sowie die anschließende quantitative Analyse von Bildelementen in biologischen Bilddatensätzen wird in der Wissenschaft als bioimage analysis bezeichnet. Ein wesentlicher Anteil der bioimage analysis wird noch immer von Experten per Hand durchgeführt - ein mühsamer Prozess, von dem man seit langem weiß, dass er subjektiv ist. Besonders bei Aufgabestellungen, welche die Annotierung von Bildelementen mit einem geringen Signal-Rausch-Verhältnis erfordern, wie es beispielsweise bei Fluoreszenzbildern von Gewebeproben der Fall ist, sinkt die Übereinstimmung zwischen den Bewertungen mehrerer Experten. Genauso wie jede andere wissenschaftliche Analyse, muss jedoch auch die bioimage analysis den generellen Qualitätskriterien quantitativer Forschung gerecht werden. Dies sind Objektivität, Zuverlässigkeit und Validität. Die Automatisierung der bioimage analysis mit Hilfe von computer-basierten Ansätzen ist somit erstrebenswert. Konventionelle, hartkodierte Algorithmen sind zwar vollkommen unvoreingenommen, jedoch legt ein menschlicher Benutzer jene Parameter fest, die der Algorithmus für die Extraktion der relevanten Bildelemente nutzt. Aus diesem Grund sind auch diese Ansätze zumindest partiell subjektiv.

In den letzten Jahren hat Deep learning (DL) zu beeindruckenden Fortschritten auf dem Forschungsgebiet der computer vision beigetragen. Der vorherrschende Unterschied zwischen DL und konventionellen Algorithmen besteht darin, dass DL Modelle in der Lage sind die jeweilige Aufgabe auf Grundlage eines annotierten Trainingsdatensatzes zu lernen, anstatt starr den Parametern zu folgen, die der Benutzer für die Extraktion der relevanten Bildelemente vorgegeben hat.

In dieser Dissertation wurde die Hypothese untersucht, ob DL, neben der Möglichkeit der automatischen Bildanalyse, auch dazu genutzt werden kann die Objektivität, die Zuverlässigkeit und die Validität der Bildanalyse zu verbessern. Ohne eine objektive Referenzannotierung muss das Training der DL Modelle jedoch auf händisch erstellten und somit also subjektiven Annotierungen durchgeführt werden. Theoretisch könnte dies dazu führen, dass das DL-Modell diese Vorgeingenommenheit übernimmt. Außerdem unterliegt das Training der Modelle stochastischen Prozessen und selbst Modelle, die auf den gleichen Trainingsdaten trainiert wurden, könnten sich danach in ihren ausgegeben Analysen unterscheiden. Demzufolge könnten also sowohl das Training auf subjektiven Annotierungen als auch die Variabilität von Modell zu Modell die Qualität der DL-basierten Analyse von biologischen Bilddaten beeinträchtigen. In dieser Dissertation werden die Einflüsse von diesen beiden Limitierungen auf Grundlage von experimentellen Daten untersucht. In den experimentellen Bilddaten werden Fluoreszenzsignale des Proteins cFOS in Hirnschnitten von Mäusen dargestellt und hier repräsentativ untersucht. Da das Vorkommen von cFOS mit dem Verhalten der Mäuse korreliert, kann die Analyse des Verhaltens der Mäuse zur Kreuzvalidierung der Analyse der biologischen Bilddaten herangezogen werden. Die Daten dieser Dissertation zeigen, dass die Integration mehrerer Experten in das Training eines Modells sowie die Integration mehrerer trainierter Modelle in ein Modell-Ensemble das Risiko einer subjektiven oder nicht reproduzierbaren Bildanalyse abschwächen können. Diese Arbeit etabliert Richtlinien dafür, wie DL verwendet werden kann, um die generelle Qualität der Analyse biologischer Bilddaten zu erhöhen.
KW  - Deeplearning
KW  - Biologie
KW  - Bildanalyse
KW  - bioimage analysis
Y1  - 2021
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-243728
ER  - 
TY  - THES
A1  - Vogtmann, Alexandra
T1  - Vergleichende Untersuchungen zur automatisierten Auswertung von Elispot-Platten mit verschiedenen Bildanalysesystemen
T1  - Quality of different image analysis systems for evaluation of the ELISPOT
N2  - Die vorliegende Arbeit hatte das Ziel, erstmals unterschiedliche automatisierte Bildanalysesysteme in der Auswertung von Elispot-Proben miteinander zu vergleichen. Neben dem Vergleich der Anzahl der gemessenen Spots, sollten die Zeit für die Messungen, die Genauigkeit, Richtigkeit und Präzision untersucht werden. Weiterhin sollten die Zuverlässigkeit der Messungen sowie die Einflussgrößen der einzelnen Bildanalysesysteme geprüft werden. Es wurden Elispotproben von verschiedenen Spezies (Maus und Human) und von verschiedenen unabhängigen Arbeitsgruppen verwendet. Die verglichenen Bildanalysesysteme bestanden aus den aufeinander abgestimmten Komponenten Mikroskop, Farbkamera, Motortisch mit Steuerung, Analysesoftware und Rechner. Sie unterschieden sich in ihren Mikroskopen, in der Anzahl der pro Well aufgenommenen Bilder und in der damit erreichten Bildpunktauflösung. Beim KS Elispot wurden im Auflichtmikroskop pro Well 12 Bilder über eine Farbkamera aufgenommen, die Bildpunktauflösung für ein 760x580 Pixel Bild eines Wells betrug 2.6µm. Beim KS Elispot compact 0.65-Zoom-Einstellung wurde im Stereomikroskop pro Well 1 Bild über eine Farbkamera aufgenommen und eine Bildpunktauflösung von 12µm erreicht. Beim KS Elispot 1.25-Zoom-Einstellung wurden im Stereomikroskop 4 Bilder pro Well über eine Farbkamera erstellt, die Bildpunktauflösung betrug 6µm. Im Bezug auf den Faktor Zeit war das KS Elispot compact dem KS Elispot deutlich überlegen. Bei Verwendung eines Bildes pro Well bzw. 4 Bildern pro Well wertete das KS Elispot compact eine komplette 96-Well-Mikrotiterplatte bis zu 6 Mal schneller bzw. mindestens doppelt so schnell aus wie das KS Elispot. Die hohe Auflösung des KS Elispot resultiert in einer langen Auswertungszeit der einzelnen Platten. Werden große Mengen von Elispot-Proben ausgewertet, so bietet das KS Elispot compact aufgrund seiner kürzeren Messzeiten eine deutliche Ersparnis an Zeit und damit gegenüber dem KS Elispot unter diesem Gesichtspunkt einen entscheidenden Vorteil. Die Variabilität der Messungen lag bei allen Systemen niedrig, ohne nennenswerte Unterschiede zwischen den Systemen. Die höchste Zuverlässigkeit bei der Spoterkennung konnte für das System KS Elispot nachgewiesen werden. Es erkannte nahezu alle echten Spots und mehr echte Spots als das KS Elispot compact. Das KS Elispot wies im Gegensatz zum KS Elispot compact keine falsch-positiven Spots auf. Bei Verwendung von 4 Bildern pro Well arbeitete das KS Elispot compact zuverlässiger als bei Erstellung von nur einer Aufnahme pro Well: der Anteil an falsch-positiven Spots am Ergebnis sank und der Anteil der richtig erkannten Spots stieg. Die Werte lagen jedoch immer noch unterhalb der Ergebnisse, die das KS Elispot erzielt hatte. Das KS Elispot compact erkannte grundsätzlich in denselben Wells weniger Spots als das KS Elispot, das der tatsächlichen Anzahl der Spots am nächsten kam. Bei Verwendung von nur einer Aufnahme pro Well identifizierte das KS Elispot compact deutlich weniger Spots als bei Aufnahme von 4 Bildern pro Well. Die deutlichsten Unterschiede zwischen den beiden Systemen KS Elispot und KS Elispot compact wurden bei der Messung durch das KS Elispot compact mit einem Bild pro Well bei Spotzahlen über 100 bei Mausspots und über 400 bei Humanspots gesehen. Die zwischen dem KS Elispot und dem KS Elispot compact nachgewiesenen Unterschiede waren bei kleinen Spots (bis 100µm) deutlich größer als bei Spots größerer Durchmesser. Der Vergleich der Systeme erbrachte, dass das hochauflösende KS Elispot eine bessere Auswertungsqualität als das KS Elispot compact bietet, insbesondere bei der Auswertung von Elispot-Proben, die sehr viele und zudem sehr kleine Spots enthielten. Beim KS Elispot compact war die Messung mit 4 Bildern pro Well der Auswertung mit nur einem Bild pro Well bezüglich der Zuverlässigkeit klar überlegen. Bei Verwendung des KS Elispot compact sollte deshalb bei sehr kleinen Spots zumindest die mit 4 Bildern pro Well arbeitende Einstellung gewählt werden. Weiterhin ist zu bemerken, dass eine optimale Auswertung von Elispot-Proben durch automatisierte Reader-Systeme maßgeblich durch die Präparation der verwendeten Elispot-Proben und die daraus resultierende Qualität der Spots beeinflusst wird. Zahlreiche Artefakte, eine starke Untergrundfärbung oder nicht deutlich ausgebildete typische Spotmerkmale können die Messergebnisse eines Systems beeinträchtigen. Hierbei wurde das KS Elispot compact System stärker beeinflusst als das KS Elispot System. In dieser Arbeit konnte nachgewiesen werden, dass die Auswertung der Elispot-Proben und damit die gewonnenen Ergebnisse von dem verwendeten, automatisierten Lesesystem abhängen.Die Arbeit unterstreicht den hohen Stellenwert der Standardisierung, Validierung und Optimierung aller Komponenten der Elispot-Methode. Dies ist auch gerade in Bezug auf die Weiterentwicklung dieser Technik und die Eröffnung von weiteren Einsatzspektren unerlässlich.
N2  - Enzyme Linked Immuno Spot assay (ELISPOT) is currently the first choice for the immune monitoring of patients in clinical vaccination trials with cancer or chronic viral infections. The capacity to identify antigen-specific T- or B-cells ex vivo without prolonged prestimulation in vitro in frequencies as low as 1/106 PBMC makes this technique so attractive. Many scientists work in optimizing and standardizing of this assay for more sensitivity, reproducibility, accuracy and transferability of this method. However, there remains a need for the quality and validation assessment of the different Elispot evaluation methods. Automated evaluation is superior for the counting by eye approach as presenting more accurate and reliable results with less variability. By now, several automated image analysis systems have been developed for the evaluation of Elispot plates. They mainly differ in the reader unit acquiring images with different resolutions and in the equipped software packages with different adjustments for spot definition (users’ setting). We compared 2 image-analysis systems with low and high resolution using the KS Elispot and the KS Elispot compact (both Carl Zeiss, Microscopy, Halldergmoos, Germany). The KS Elispot (R1) scans the spots with a colour camera on a microscope with incident light (Zeiss Axioplan 2) acquiring at least 12 images per well (resolution between 2.0 and 2.5 per pixel). The KS Elispot compact reads the spots with a colour camera on a stereo microscope (Zeiss, Stemi 2000C) acquiring one image per well (R2) or 4 images per well (R3). Images in both systems are digitized using 24-bit colour resolution and are evaluated by the KS Elispot software. We evaluated 3 human and 4 mouse 96-well-microtiter-plates of g-IFN-Elispot with brownish-stained spots. Statistic analysis was done using Bland-Altman-plots. Numbers of spots ranges from 0-900 spots per well in plates with human and from 0-250 spots per well in plates with mouse spots with a spot size range from 20-300µm (75% of mouse spots within 20-100µm). R1 measures higher numbers of human and mouse spots. Identification and, therefore, number of spots are more reliable evaluated by R1 than by R2 or R3. In spot numbers over 400 (human) and over 100 (mouse) R2 counts less spots per well than R3. Conclusions: KS Elispot compact evaluates at least 3 times faster than KS Elispot, numbers of spots measured by KS Elispot are more reliable than measured by KS Elispot compact, KS Elispot detects more human and mouse spots than KS Elispot compact, KS Elispot compact counts higher and more reliable number of spots when acquiring 4 images per well compared to 1 image per well, noticeably, in spot numbers over 400 (human) and over 100 (mouse) per well, for evaluation of small spots (20-50µm) at least 4 images per well should be acquired.
KW  - Elispot
KW  - T-Zelle
KW  - Zytokine
KW  - Immunmonitoring
KW  - Bildanalyse
KW  - Elispot
KW  - T-Cells
KW  - immunmonitoring
Y1  - 2005
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-18395
ER  -