Parameteroptimierte und GPGPU-basierte Detektion viraler Strukturen innerhalb Plasmonen-unterstützter Mikroskopiedaten

Kurzfassung

Die lokale Verfügbarkeit von effizienten und leistungsf ähigen Biosensoren, z.B. an Flughäfen, gewinnt durch die zunehmende Verbreitung viraler Infektionen zunehmend an Bedeutung. Die zentralen Herausforderungen für entsprechende in situ Virusdetektionssysteme sind eine schnelle und sichere Erkennung der Viren respektive die Adaptivität an unterschiedliche Ausprägungen von Erregern. Optische Verfahren, wie die neuartige Plasmonen-unterstützte Mikroskopie von Nanoobjekten erlauben es, diesen Anforderungen zu entsprechen. Aufgrund starker multipler Artefaktbelastung des Signals und hohen Datenmengen (zeitlichen und örtlichen), werden nachhaltige Anforderungen an die Bildrestauration und -analyse gestellt. Hier setzt die vorliegende Arbeit an, welche eine GPGPU-basierte Bildrestaurations- und Bildanalysepipeline vorstellt. Über eine Kombination aus lokaler und globaler Parameteroptimierung mittels Genetischer Algorithmen kann eine höhere Effektivität der einzelnen Stufen der Verarbeitung erzielt werden, aber auch im übergreifenden Verbund – dies zeigt sich nachhaltig in der Erkennungsrate des Biosensors für Viren.