-
Die Erfindung betrifft ein Mikroskopsystem zur
Analyse und Auswertung von Mehrfachfärbungen eines mikroskopischen
Objekts. Im Besonderen betrifft die Erfindung ein Mikroskopsystem
zur Analyse und Auswertung von Mehrfachfärbungen in einem mikroskopischen
Objekt, mit einen Scanmikroskop, das einen Beleuchtungslichtstrahl
und einen Detektionslichtstrahl definiert, einem SP-Modul, das im
Detektionslichtstrahl vor mindestens einem Detektor angeordnet ist,
und ein Rechnersystem, wobei das Rechnersystem ebenfalls einen Speicher
umfasst.
-
Ferner betrifft die Erfindung ein
Verfahren zur Analyse und Auswertung von Mehrfachfärbungen
eines mikroskopischen Objekts.
-
Des Weiteren betrifft die Erfindung
ein Verfahren zur Einstellung eines Mikroskops dass zur Aufnahme
von Mehrfachfärbungen
eines mikroskopischen Objekts eingesetzt wird.
-
DE 100 65 783 A1 offenbart eine Technik zur Erfassung
von Korrelationen in mikroskopischen Anwendungen.
-
Der Erfindung liegt die Aufgabe zugrunde
ein Mikroskopsystem zu schaffen, mit dem auf zuverlässige Weise
die Fluoreszenzspektren von mehreren in einer Probe vorhandenen
Farbstoffen getrennt werden können.
-
Die objektive Aufgabe wird durch
ein Mikroskopsystem gelöst,
das die Merkmale des Patentanspruchs 1 aufweist.
-
Ferner liegt der Erfindung die Aufgabe
zugrunde ein Verfahren zu schaffen mit dem auf zuverlässige Weise
die Fluoreszenzspektren von mehreren in einer Probe vorhandenen
Farbstoffen getrennt werden können.
-
Die obige objektive Aufgabe wird
durch ein Verfahren gelöst,
das die Merkmale des Patentanspruchs 10 aufweist.
-
Die Erfindung hat den Vorteil, dass
eine automatische Zuordnung von gemessenen Spektren zu diskreten
Farbstoffspektren möglich
ist. Gemessene diskretisierte Farbstoffspektren sind als Referenzdatensatz
in einer Datenbank abgelegt. Die auf dem Rechnersystem laufende
Software vergleicht nach einer Transformation der Daten von aufgenommenen Spektren
und der in der Datenbank abgelegten diskreten Referenzspektren.
Die Software ordnet so die transformierten Referenzspektren den
gemessenen Farbstoftspektren zu.
-
Ferner ist das Verfahren zur Analyse
und Auswertung von Mehrfachfärbungen
in einem mikroskopischen Objekt mit einem Scanmikroskop von Vorteil.
Zunächst
werden Spektren der im Objekt vorhandenen Farbstoffe mit einem SP-Modul
aufgenommen. Aus den aufgenommenen Spektren werden repräsentierende
elektrische und, nach Diskretisierung, digitale Signale ermittelt.
Durchführen
einer Koordinatentransformation der Daten der ermittelten Spektren
und Durchführen
der Transformation der in einer Datenbank abgelegten diskreten Farbstoffspektren
werden in der Software des Rechnersystems durchgeführt. Der
nach der Transformation entstandene Merkmalsraum (ein Hyperraum
mit sehr vielen Dimensionen) wird in Bereiche aufgeteilt, von denen
jeder einem bestimmten Farbstoff zugeordnet ist. Schließlich werden
die in den Merkmalsraum transformierten diskreten Referenz-Farbstoffspektren
den gemessenen und transformierten Spektren zugeordnet.
-
Weitere vorteilhafte Ausgestaltungen
der Erfindung können
den Unteransprüchen
entnommen werden.
-
In der Zeichnung ist der Erfindungsgegenstand
schematisch dargestellt und wird anhand der Figuren nachfolgend
beschrieben. Dabei zeigen:
-
1 eine
schematische Darstellung eines Scanmikroskops, wobei den Detektoren
ein SP Modul vorgeschaltet ist;
-
2 eine
schematische Beschreibung der Handhabung und Verarbeitung der Messwerte
(Intensität),
die von den mehreren Detektoren bestimmt werden;
-
3 eine
graphische Darstellung der spektralen Messwerte im Intensitätsraum und
parallel dazu im Projektionsraum;
-
4 eine
Projektion der Messwerte auf eine Hyperebene/Hyperkugel;
-
5 ein
Ausführungsbeispiel
von vier in einem Objekt gemessene Farbstoffspektren, die in den Eckpunkten
eines Polygons im Hyperraum angeordnet sind;
-
6 eine
Darstellung des Polygons im transformierten Hyperraum mit Verbindungslinien
auf denen potentielle Mischzustände
von Farbstoffspektren liegen;
-
7 eine
Darstellung der gemessenen Spektren der in einer Probe vorhandenen
Farbstoffe;
-
8 eine Überlagerung
von L Farbspektren mit den gemessenen Spektren im Hyperraum;
-
9 eine
schematische Darstellung der Zuordnung der L Farbstoffspektren zu
den gemessenen Spektren der Farbstoffe an Hand der Schwerpunkte
der gemessenen Spektren;
-
10 ein
anderes Ausführungsbeispiel
der Zuordnung der L Farbstoffe zu den gemessenen Spektren der in
einem Objekt vorhandenen Farbstoffe;
-
11 eine
Darstellung der Eigenwerte an Hand einer Punktwolke eines gemessenen
Spektrums; und
-
12 eine
Darstellung der Verwendung der Eigenvektoren aus 11 zur Zuordnung der L Farbstoffspektren
zu den gemessenen Spektren.
-
Begriffsdefinition:
-
Gemessene Spektren:
-
Spektren die mit dem Mikroskopsystem
gemessen werden. Diese Spektren können Mischzustände aus
Farbstoffen darstellen.
-
Referenz-Farbstoffspektren:
-
Sind gemessene Farbstoffspektren
der in dem Objekt vorhandenen reinen Farbstoffe, wobei keinerlei
Mischzustände
auftreten. In der weiter unten detailliert beschriebenen Merkmalsraumdarstellung,
bilden diese die Eckpunkte des Polygons im Hyperraum.
-
Diskretisierte Farbstoffspektren:
-
Spektren die nach Messung und Digitalisierung
in einem Rechner in diskretisierter und digitaler Form vorliegen
und in einer Datenbank hinterlegt sein können. Diese können durch
eine vom Computersystem per Algorithmus durchgeführte Transformation in einen
hochdimensionalen Merkmalsraum (Hyperraum) ohne Informationsverlust überführt werden.
-
Objekt:
-
Das Objekt wird in der nachstehenden
Beschreibung auch als Probe oder Specimen bezeichnet und ist in
der Regel biologisches Material.
-
In 1 ist
das Ausführungsbeispiel
eines konfokalen Scanmikroskops 100 schematisch gezeigt.
Dies soll jedoch nicht als Beschränkung der Erfindung aufgefasst
werden. Der von mindestens einem Beleuchtungssystem 1 kommende
Beleuchtungslichtstrahl 3 wird von einem Strahlteiler oder
einem geeigneten Umlenkmittel 5 zu einem Scanmodul 7 geleitet.
Bevor der Beleuchtungslichtstrahl 3 auf das Umlenkmittel 5 trifft,
passiert dieser ein Beleuchtungspinhole 6. Das Scanmodul 7 umfasst
einen kardanisch aufgehängten
Scanspiegel 9, der den Beleuchtungslichtstrahl 3 durch
eine Scanoptik 12 und eine Mikroskopoptik 13 hindurch über bzw.
durch ein Objekt 15 führt.
Das Beleuchtungssystem 1 kann derart ausgestaltet sein,
dass es aus dem Licht eines Lasers 10, Weißlicht erzeugt.
Hierzu ist ein mikrostrukturiertes Element 8 oder eine
tapered Glasfaser vorgesehen. Bei biologischen Objekten 15 (Präparaten) oder
transparenten Objekten kann der Beleuchtungslichtstrahl 3 auch
durch das Objekt 15 geführt
werden. Zu diesen Zwecken werden nichtleuchtende Präparate ggf.
mit einem geeigneten Farbstoff und oftmals auch mit mehreren Farbstoffen
präpariert (nicht
dargestellt, da etablierter Stand der Technik). Die in dem Objekt 15 vorhandenen
Farbstoffe werden durch den Beleuchtungslichtstrahl 3 angeregt und
senden Licht in einem ihnen eigenen charakteristischen Bereich des
Spektrums aus. Dieses vom Objekt 15 ausgehende Licht definiert
einen Detektionslichtstrahl 17. Dieser gelangt durch die
Mikroskopoptik 13, die Scanoptik 12 und über das
Scanmodul 7 zum Umlenkmittel 5, passiert dieses
und gelangt über
ein Detektionspinhole 18 auf mindestens einen Detektor 36, 37,
der jeweils als Photomultiplier ausgeführt ist. Es ist dem Fachmann
klar, dass auch andere Detektionskomponenten, wie z.B. Dioden, Diodenarrays,
Photomultiplierarrays, CCD Chips oder CMOS Bildsensoren eingesetzt
werden können.
Der vom Objekt 15 ausgehende bzw. definierte Detektionslichtstrahl 17 ist
in 1 als gestrichelte
Linie dargestellt. In den Detektoren 36, 37 werden
elektrische, zur Leistung des vom Objekt 15 ausgehenden Lichtes,
proportionale Detektionssignale erzeugt. Da, wie bereits oben erwähnt, vom
Objekt 15 Licht nicht nur einer Wellenlänge ausgesandt wird, ist es
sinnvoll vor dem mindestens einen Detektor 36, 37 ein SP-Modul 20 vorzusehen.
Die von dem mindestens einen Detektor 36, 37 erzeugten
Daten werden an ein Rechnersystem 23 weitergegeben. Dem
Rechnersystem 23 ist mindestens ein Peripheriegerät 27 zugeordnet.
Das Peripheriegerät 27 kann
z.B. ein Display sein, auf dem der Benutzer Hinweise zur Einstellung
des Scanmikroskops 100 erhält oder den aktuellen Setup
und auch die Bilddaten in graphischer Form entnehmen kann. Ferner
ist mit dem Rechnersystem 23 ein Eingabemittel 28 zugeordnet,
das z.B. aus einer Tastatur, einer Einstellvorrichtung für die Komponenten
des Mikroskopsystems und/oder einer Maus 30 besteht. Ebenso
ist dem Rechnersystem 23 ein Speicher 24 zugeordnet
in dem eine Datenbank oder eine äquivalente
Datenverwaltungseinrichtung für
die Verwaltung von Spektren installiert ist. Ferner ist im Rechnersystem 23 eine
Software 25 implementiert, mit der die geeigneten Berechnungen
für das
erfinderische Verfahren durchgeführt
werden. Hinzu kommt, dass zusätzlich
auf dem Display 27 auch Einstellelemente 40, 41 für die Bildaufnahme
dargestellt werden. In der hier gezeigten Ausführungsform sind die Einstellelemente 40, 41 als
Schieber dargestellt. Jede andere Ausgestaltung liegt im handwerklichen Können eines
Fachmanns.
-
Der Detektionslichtstrahl 17 wird
mit einem Prisma 31 räumlich
spektral aufgespalten. Eine weitere Möglichkeit der spektralen Aufspaltung
ist die Verwendung eines Reflexions-, oder Transmissionsgitters.
Der spektral aufgespaltene Lichtfächer 32 wird mit der
Fokussieroptik 33 fokussiert und trifft anschließend auf
eine Spiegelblendenanordnung 34, 35. Die Spiegelblendenanordnung 34, 35,
die Mittel zur spektralen, räumlichen
Aufspaltung, die Fokussieroptik 33 und die Detektoren 36 und 37 werden
zusammen als SP-Modul 20 (oder Mutibanddetektor) bezeichnet.
-
2 beschreibt
die Handhabung und die Verarbeitung der Messwerte (Intensität), die
von den mehreren Detektoren 36, 37 und 38 gewonnen
werden. In 1 sind lediglich
zwei Detektoren 36, 37 und 38 dargestellt,
es ist jedoch selbstverständlich, dass
die Zahl der Detektoren auch mehr als zwei betragen kann. In 2 sind hier nur beispielhaft
drei Detektoren eingezeichnet. Es ist jedoch selbstverständlich,
das die Zahl auch höher
sein kann. Die Detektoren 36, 37 und 38 sind
in diesem Ausführungsbeispiel
als PMTs (Photo Multiplier Tubes) dargestellt. Die Messwerte werden
zur Bewertung lokaler Korrelationen von den PMTs einer elektronischen Einrichtung 45 zugeführt, das
die entsprechende Bewertung, wie unten beschreiben, durchführt. Der
Einrichtung 45 ist ein Mittel 46 zum Auswählen einer
Untermenge aus der Vielzahl von aufgenommenen Spektren nachgeschaltet.
Die ausgewählten
Spektren werden dem Rechnersystem 23 zugeführt. Das Rechnersystem 23 ist
z.B. mit dem SP-Modul 20 verbunden. Das SP-Modul 20 ermittelt
an Hand der übermittelten
spektralen Repräsentationen
das Übersprechen
und führt
eine automatische Einstellung durch, womit das Übersprechen der einzelnen Detektionskanäle minimiert
wird, oder visualisiert diese mit der weiter unten beschriebenen
Methode.
-
3 zeigt
eine graphische Darstellung mindestens eines Messwerts
50 im
Intensitätsraum
51 und
parallel dazu im Projektionsraum
52. In der Regel sind
in einem Objekt mehrere Farbstoffe vorhanden, um damit bestimmte
Bereiche eines Objekts zu markieren. Bei der Detektion ist es wichtig
die aufgenommenen Signale eindeutig den vorhandenen Farbstoffen
zuzuordnen. Bei der Messung erhält
man eine Mischung von Farbstoffen. Die Mischung von Farbstoffen
ist mathematisch ein lineares Problem. Jeder Farbstoff, lässt sich
als Vektor s
i mit Anteilen aus spektralen
Bändern
darstellen. Der von den Detektoren gemessene Intensitätsvektor
I erklärt
sich dann als
wobei
n der vektorielle Hintergrundanteil bzw. das Rauschen ist. In dem
in
3 beschrieben Fall
hat man drei Farbstoffe und man betrachtet beliebige spektrale Abtastungen
(irgendwas zwischen Lambda-Scan
und Drei-Kanalscan) so liegt der Messwert
50 (Intensitätswert)
im Raum des Vektors I innerhalb einer Pyramide. Wird der Messwert
I
50 auf die Einheitskugel des Intensitätsraum projiziert, erhält man auf
der Oberfläche
dieser Einheitskugel
54 Punktwolken. Bei dem Drei-Kanalscan
ist dies relativ einfach. Die umschließende Figur ist immer ein Dreieck,
wobei die Eckpunkte den Referenzspektren entsprechen, die den puren
Farbstoffen entsprechen. Dies kann man in extrem einfacher Weise
auf dem PC Bildschirm visualisieren, indem man ein Dreieck zeichnet
und die entsprechenden Punktwolken darin platziert. Der Benutzer
kann mit seinen Standard visuellen Fähigkeiten die Gesamtsituation
relativ schnell bewerten und die einfache Heuristik „Punktwolken
in die ecken bringen" durch
Verstellen der Einstellungen des Konfokalmikroskops tunen. Bei Messungen
mit mehr als drei Farbstoffen muss man erst eine Dimensionsreduktion
rechnen, um eine entsprechende visuelle Darstellung zu erhalten,
wobei Vierecke, Fünfecke
oder seltsame Polygone erzeugt werden. Diese Visualisierungen haben
dann aber nicht die Pragmatik des Drei-Farbstoff-Falls und werden
schnell zu kompliziert. Für
die Praxis sind 3 Farbstoffe aber in den meisten Fällen hinreichend.
Das Dreieck
55 (
4)
des Projektionsraums kann man sehr effektiv zur Visualisierung heranziehen.
Dabei werden für
diese Prozedur den Ecken
56 des Dreiecks
55 die
Kanäle
der einzelnen Farben zugeordnet. An Hand der Lage der Punktwolken
bezüglich
der Ecken des Dreiecks kann man die Aussteuerung bzw. die Trennung
der einzelnen Kanäle
bzw. Farbstoffe erkennen. Ziel ist es bei der Messung in die Ecken
des Dreiecks zu kommen. Bei falscher Einstellung des Scanmikroskops
100 und/oder
des SP-Moduls
20 liegt man hiervon beliebig weit weg. Durch eine
Online-Berechnung während
des Scans erhält der
Benutzer von dem System ein Feedback, um somit zu der Idealeinstellung
zu gelangen.
-
4 zeigt
eine schematische Darstellung der Punktwolken innerhalb des Dreiecks
55,
das auf dem Display
27 dem Benutzer visuell dargestellt
wird. Bei der Beobachtung der Probe mit dem Scanmikroskop
100 erhält man in
jedem Pixel eine Mischung aus den in der Probe vorhandenen Farbstoffe.
Wie bereits oben erwähnt,
lässt sich
jeder Farbstoff als Vektor s
i mit Anteilen
in den spektralen Bändern
darstellen. Die gemessene Intensität erklärt sich dann als
![Figure 00090001](https://patentimages.storage.googleapis.com/b8/b1/f1/0ac0af653b40b6/00090001.png)
wobei
n der Hintergrundanteil bzw. das Rauschen ist, M eine Mischmatrix
und die α's die Gewichtung
der spektralen Komponenten. Beobachtet man die Probe mit einem Scanningmikroskop,
mit dem ein SP-Modul verbunden ist, und nimmt dabei spektrale Scans auf,
so ist I ein mehrdimensionaler Vektor mit P Dimensionen. In der
Standard-Floureszenzmikroskopie ist
oft N = P, bei spektralen Abtastungen gilt P > N und man arbeitet im Hyperraum. In diesem
Hyperraum bilden sich die einzelnen Farbstoffwichtungen als Intensitätskeulen
aus. Auf der Basis einer Metrik wird die Vektornorm berechnet und
anhand des Wertes entschieden, ob es sich um Autofluoreszenzrauschen
und Hintergrund oder um ein Nutzsignal handelt (Schwellwertprüfung). Der
Test entscheidet, ob der Datenvektor als Nutzsignal einer weiteren
Verarbeitung unterliegt oder nicht. Es bietet sich die euklidische
Norm an, da dies physikalisch mit Signal-Energien vergleichbar ist. Eine Verallgemeinerung
auf andere Metriken der Linearen Algebra ist jedoch jederzeit möglich und
dem Fachmann hinreichend bekannt. Das Nutzsignal von den Detektoren
36,
37 wird
normiert (und damit in seiner Dimensionalität um eine Dimension reduziert).
Die Verarbeitungseinheit
46 ist im wesentlichen ein Vektorquantisierer,
ein Mittel/Vorschrift, das durch eine minimale Verrechnung der aufgenommenen
Messdaten eine Menge von Repräsentationen
innerhalb der Messdaten aufzeigt, die wir im folgenden Code-Book-Vektoren
nennen. Vektorquantisierer im allgemeinen bilden das Bindeglied
zwischen kontinuierlichen vektoriellen Verteilungen (hier Intensitäten) mit
einer diskreten Welt von Repräsentationen
und sind Stand der Technik in der Nachrichtentechnik und Signalverarbeitung.
Vektorquantisierer werden insbesondere zur verlustbehafteten Übertragung
vektorieller Signale genutzt (siehe unter anderem Moon and Stirling,
Mathematical methods and algorithms for signal processing. London: Prentice
Hall, 2000). Der hier genutzte Vektorquantisierer hat verhältnismäßig wenig
interne Code-Book-Vektoren
da eine hohe Kompression der Messdaten auf ein sehr einfaches Modell
mit hohem Verlust durchgeführt
wird und ist adaptiv. Die zugeleiteten Intensitätsvektoren werden mit allen
Code-Book Vektoren gleichzeitig verglichen, wobei eine Teilmenge
der ähnlichsten
Code-Book Vektoren ausgewählt
und angepasst werden. Das Ähnlichkeitsmaß und die
Teilmenge ist ein Freiheitsgrad des Verfahrens und kann variieren.
Die Selektion wird dem aktuellen zugeleiteten Vektor etwas ähnlicher
gemacht. Im einfachsten Fall ist dies immer nur der ähnlichste
Code-Book-Vektor. Dies geschieht durch mathematische Verfahren wie
Abstandsmessungen mit Vektornormen, lokaler Aggregation, rekursiv
gleitende Mittelwertbildung, ist jedoch für unterschiedliche Typen lernfähiger Vektorquantisierer
unterschiedlich gestaltet. Für
eine erfindungsgemäße Ausgestaltung kommt
eine Vielzahl unterschiedlicher Verfahren in Betracht und hat in
der realen Ausgestaltung extrem viele Freiheitsgerade. Die Ausgestaltungsmöglichkeiten
sind dem Fachmann hinreichend bekannt und werden nachfolgend kurz
umrissen.
-
Neben den hier nicht direkt praktikablen
Code-Book-Design Verfahren der klassischen Clusteranalyse (vergl.
Ripley, Pattern Recognition and Neural Networks, Cambridge: CUP,
1996) – die
wir dennoch hier nicht explizit ausschließen wollen – bieten sich insbesondere
biologisch motivierte neuronale Netze an. Luo und Unbehauen schlagen
unter anderem eine Klasse von wettbewerbslernenden neuronalen Architekturen
für die
Aufgabe der Vektorquantisierung vor (Luo und Unbehauen, Applied
Neural Networks for Signal Processing, Cambridge: CUP, 1997). Derartige
Verfahren resultieren aus der Simulation repräsentationsbildender Denkprozesse
durch Wettbewerbslernen einzelner Neuronen und erzeugen auch in
der stark vereinfachten Modellbildung der Informatik schon gute
Repräsentationen.
Neuere Arbeiten wie zum Beispiel die Dissertation von Bernd Frizke
(Bernd Fritzke, Vektorbasierte Neuronale Netze, Aachen: Shaker,
1998) weisen eine ganze Sammlung unterschiedlicher, brauchbarer
Verfahren auf, die im Kontext dieser Meldung zum Ziel führen. Die
wesentlichen Unterscheidungskriterien sind die Art und Weise wie
die Code-Book-Vektoren an die präsentierte
Intensitätsverteilung
angepasst werden. Diese Adaption wird in der Literatur neuronaler
Netze als Lernverfahren bezeichnet. Der für diese Erfindung essentielle
Eigenschaft ist jedoch die Repräsentationsbildung
mit der Kernidee des Wettbewerbs unterschiedlicher Instanzen um
präsentierte
Reize und nicht ein geeignetes mathematische Verfahren bzw. eine
simulationsähnliche
Annäherung
an biologische Vorgänge.
Die konkrete Durchführung
der Repräsentationsbildung
sowie Modelldetails wie Topologien zwischen Repräsentationen, Topologieerhaltung zwischen
Repräsentation
und Intensitätsraum,
Lern- bzw. Adaptionsregeln sind dem Fachmann hinreichend bekannt
und im Rahmen dieser Erfindung nicht näher spezifiziert. Die wichtigsten
dieser an Wettbewerbslernen angelehnten und dem Erfinder bekannten
Adaptionsverfahren sind im folgenden skizziert und im Detail der
Literatur zu entnehmen.
-
Durch die direkte Simulation von
Wettbewerbslernen zwischen Neuronen kann zu einer Ausprägung des
Vektorquantisierers führen.
Zu diesem Zweck wird einer Menge von Neuronen der Eingangsvektor
präsentiert,
wobei zusätzlich
eine laterale Verbindung zwischen den Neuronen zugeschaltet wird,
deren Wichtung lokale Verbindungen verstärkt (positive Verbindung) und
weiter entfernte hemmt (negative Verbindung). Die Gesamtstruktur
wird einer Hebbschen Lernregel ausgesetzt, die Korrelationen zwischen
Ein- und Ausgängen
verstärkt.
Diese Art der Durchführung
ist als einleitendes Gedankenmodell in fast allen Lehrbüchern über neuronale
Netze zu finden (vergl. Haykin, Neural Networks, New York: MacMaster
University Press, 1994) und wird nur selten für reale Systeme genutzt.
-
So genanntes hartes Wettbewerbslernen
initialisiert die Code-Book Vektoren zufällig mit Werten hinreichender
Wahrscheinlichkeit. Für
jeden dem Vektorquantisierer zugeleiteten normierten Intensität i wird
aus der Menge der Code-Book-Vektoren {ω
i
} ein
Gewinner gemäß einer
Vorschrift = winner(i ) ermittelt. In der Regel wird zur Fehlerminimierung
der euklidische Abstand zwischen Reiz i und Code-Book {ω
i
} zur Gewinnerermittlung gemäß
genutzt.
Gemäß der Verarbeitungsvorschrift
wird
dieser Gewinner adaptiert. In diesem Kontext ist ε(t) eine
Lernrate, die oft über
die Betriebsdauer des Vektorquantisierers reduziert wird. Bei konstanter Lernrate
bleibt der Vektorquantisierer adaptiv, bei Nutzung einer zu der
Anzahl Gewinne invers proportionalen Lernrate erhält man das
so genannte „k-Means" Verfahren, das sich
exakt in die Mittelwerte der Verteilung legt, durch die Wahl exponentiell
abnehmender Lernraten kann man beliebige Zwischenzustände erzeugen
aber auch andere Varianten werden angewandt.
-
Beim so genannten weichen Wettbewerbslernen
werden nicht nur die Gewinner adaptiert, sondern weitere, eventuell
sogar alle Code-Book-Vektoren.
-
Eine Ausprägung ist der so genannte „Neuronales
Gas" Algorithmus,
bei dem ein Ranking der Gewinner auf der Basis der Gewinnerfunktionen
die auch bei harten Wettbewerbslernverfahren durchgeführt wird.
Auf der Basis dieses Ranking berechnet eine Adaptionsfunktion den
Grad der Adaption wobei der Gewinner mit dem besten Rank mehr adaptiert wird
als ein Gewinner mit geringerem Rank. Oft wird der Adaptionseinfluss über die
Zeit reduziert. In einer Abwandlung namens „Growing Neural Gas" wird über ein
Informationstechnisches bzw. Fehlerminimierungskriterium die Anzahl
der Vektoren im Code-Book erhöht,
bis eine hinreichende Operation gewährleistet ist.
-
Bei der Ausprägung „Selbstorganisierende Merkmalskarte" wird den Code-Book Vektoren eine Topologie überlagert.
Während
des Lernvorgangs wird immer eine Nachbarschaft des Gewinners mitadaptiert,
wobei in der Regel nähere
Nachbarn mehr und weiter entfernte Nachbarn weniger adaptiert werden
und der Einfluss des Nachbarschaftslernens über die Zeit reduziert wird.
Dies ist Vergleichbar mit einem x-dimensionalen Gummituch, das man
in die Verteilung knautscht ohne das es zerreißt. Der Vorteil dieses Verfahrens ist
die Erhaltung topologischer Eigenschaften.
-
Neuere Ansätze charakterisieren sich durch Mischformen,
in denen Topologieerhaltung durch den Vektoren überlagerte Graphen wie bei
der Selbstorganisierenden Merkmalskarte mit Wachstumskriterien wie
beim Growing Neural Gas verknüpft
werden. Beispiele sind z.B. „Growing
Cell Structures", „Growing
Grid".
-
Die Vektoren im Codebook und das
Adaptionsverfahren werden in einem derartigen Setup vor dem Experiment
bei der Initialisierung vorgegeben. Dies kann von Anwendung zu Anwendung
variieren. Bei der Belegung des Vektorquantisierers gibt es mehrere
Varianten: Ein Vektorquantisierer 58, der exakt so viele
Codebook Vektoren hat wie Kanäle
und die in der Reihenfolge der Kanäle mit orthonormalen Einheitsvektoren
des Kanalraums vorinitialisiert sind oder ein Vektorquantisierer 58,
der für
jeden Kanal einen orthonormalen Einheitsvektor und für jeden
möglichen
Mischzustand einen schrägen
(diagonalen im Signalraum) Einheitsvektor hat. Diese Variante arbeitet
statistisch stabiler bei Auftreten von Kolokalisationen. Ferner
lässt sich
durch Hinzunahme eines Zählers
(nicht dargestellt), der zählt
wie häufig
welcher Code-Book Vektor verändert
wurde, dazu nutzen, um Kolokalisationen aufzuspüren. Der Zähler kann für einfache statistische Signifikanztests
herangezogen werden, da die Anzahl der Adaptionsschritte die Häufigkeit
korrespondierender Messwerte entspricht. In der Verarbeitungseinheit 46 wird
auf diese Art ein Abgleich von Messwerten und Repräsentationen
durchgeführt,
wobei wir die Repräsentationen
auch Code-Book Vektoren nennen, wie es in der mathematisch-technischen
Literatur über
Vektorquantisierer üblich
ist. Diese Code-Book-Vektoren werden als Repräsentationen von Spuren lokaler
Korrelation mit einem entsprechenden Mittel aus der Verarbeitungseinheit 46 ausgelesen.
Wie angedeutet werden für die
Verarbeitung die einlaufenden normierten Vektoren (Intensitätsvektor II )
mit den Code-Book-Vektoren verglichen, um die Code-Book-Vektoren
den einlaufenden Vektoren immer etwas ähnlicher zu machen und die
Repräsentationen
an die Eingangsverteilung anzupassen. Diesen Vorgang nennt man Repräsentationsbildung
oder auch kurz Lernen. In der bevorzugten Ausführungsform, wie in 2 dargestellt, werden die
gemessenen Intensitäten
I1, I2,...,In zu einem Intensitätsvektor I zusammengefasst.
-
Gemessen werden die Intensitäten I1, I2,...,In mit dem mindestens einen Detektor, der
dem Scanmikroskop 100 zugeordnet ist. Aus dem Intensitätsvektor I wird
eine Norm berechnet. Es werden nur Intensitätsvektoren I betrachtet, deren
Betrag größer als
ein vorgegebener Schwellwert SW ist, um Bildhintergrund, Rauschen,
schlecht ausgeprägte Kolokalisationen
auszuschließen
und nicht der nachfolgenden Berechnung zuzuführen. Ist der Betrag zu klein,
werden diejenigen Intensitätsvektoren I aussortiert.
Diejenigen Intensitätsvektoren I ,
die nicht aussortiert wurden, werden normiert, was der Projektion
eines n-dimensionalen Problems auf die (n – 1)-Dimensionale Teilfläche der
Einheitshyperkugel im positiven Quadranten gleichkommt, wobei eine
Position Korrelationsspuren im Originalraum hinreichend beschreibt.
Alternativ kann man als mathematischen Trick auch eine Projektion
auf die Ebene durch die Einheitsvektoren heranziehen, was eine Abkürzung bzw.
Beschleunigung für
die Berechnung darstellt aber kleine und meist tolerierbare mathematische Fehler
erzeugt. In der in 4 beschriebenen
Darstellungsweise, ist in jeder Ecke 56 des Dreiecks 55 jeweils
eine Farbe lokalisiert. In der obersten Ecke 56a ist Rot,
in der linken Ecke 56b ist Grün und in der rechten Ecke 56c ist
blau. In dem hier dargestellten Beispiel wird anstatt der Projektion
auf den Einheitskreis eine Projektion auf die Hyperebene durchgeführt (ansonsten
müsste
man ein Dreieck mit Runden Kanten zeichnen, dass der Abwicklung
des Einheitskreises aus dem dreidimensionalen Raum in die Ebene
entspricht). Dies erzeugt zwar kleine numerische Fehler, die aber
unter den Rauschbedingungen nicht ins Gewicht hallen und eine rechnerische
Auswertung lässt
sich sehr viel schneller durchführen.
-
5 zeigt
vier in einem Objekt 15 gemessene Farbstoffsspektren. Ein
erstes Farbstoffsspektrum 60, ein zweites Farbstoffsspektrum 61,
ein drittes Farbstoftsspektrum 62 und ein viertes Farbstoffsspektrum 63 bilden
die Eckpunkte eines Polygons im projizierten Hyperraum. Durch oben
beschriebene Transformation kann man einen (P – 1) dimensionalen Vektorraum
erzeugen. In diesem Vektorraum kann man die Darstellung idealisiert
beschreiben, um eine Vorschrift zur Identifikation der Farbstoffe
in der zu untersuchenden Probe enthaltenen Farbstoffe zu erzielen.
In 6 sind zwischen den
einzelnen Punkten des Polygons Verbindungen 64 eingezeichnet, auf
denen potentielle Mischzustände
liegen können. In 7 sind die Punktwolken der
gemessenen Spektren 60a, 61a, 62a, 63a und 66a überlagert
dargestellt, wobei die Punktwolken hier durch Ellipsen dargestellt
sind. Durch den Vergleich von 6 und 7 kann man das Prinzip des
vorgeschlagenen Verfahrens erkennen: Die Muster der Punktwolken müssen mit
dem theoretisch aus den Referenzspektren bestimmten Muster übereinstimmen.
Aus der Übereinstimmung,
bzw. aus den Abweichungen der Übereinstimmung
lassen sich Aussagen über
die Farbstoffe und deren Mischzustände generieren. So lässt der
Vergleich der Punktwolken 60a und 61a (7) mit den Sollpositionen 60 und 61 (6) weitestgehend die Aussage
zu, dass es sich bei 60a um den Farbstoff 60 und
bei 61a um den Farbstoff 61 handelt. Des Weiteren
lässt sich
aus der Form der Punktwolke 61a die in Näherung eine
Ellipse darstellt, ableiten, dass es evtl. eine Interaktion mit
anderen Farbstoffen gibt, da eine schieflagige Hauptachse anscheinend
Anteile von 60 und 63 hat. Hierbei ist über die
Interpretation allerdings Unklarheit. Die Punktwolke 66a lässt sich
jedoch eindeutig als Mischzustand zwischen 60 und 61 klassifizieren,
da die Punktwolke eindeutig auf der Verbindungslinie zwischen den
Farbstoftspektren liegt. Um eine derartige Klassifizierung systematisch
durchführen
zu können,
benötigen
wir die in der Verarbeitungseinheit 46 durchgeführte Repräsentationsbildung.
-
8 beschreibt
schematisch die Verwendung der Darstellung aus 7 zur Identifikation der Farbstoffen
an Hand der gemessenen fünf
Spektren 60a, 61a, 62a, 63a und 66a.
L Farbstoffspektren 60b, 61b, 62b, 63b und 66b sind
mit hinreichender Genauigkeit in einer Datenbank abgelegt des Speichers des
Rechnersystems abgelegt. Diese Grafik verdeutlicht integriert die
Erklärung
die oben anhand der 6.
u. 7 gegeben wurden.
Die oben beschriebene Transformation wird auf die spektralen Pixel
der gemessenen fünf
Spektren 60a, 61a, 62a, 63a und 66a und
auf alle in der Datenbank vorhandenen diskreten Farbstoffspektren 60b, 61b, 62b, 63b und 66b der Datenbank
nach Anpassung auf das spektrale Abtastraster angepasst. Die in
der in 8 eingezeichneten
Linien 75 kennzeichnen einen ersten Bereich 70, einen
zweiten Bereich 71 einen dritten Bereich 72 und
einen vierten Bereich 73 im Hyperraum, die einem bestimmten
Farbstoff zugeordnet werden. Diese Trennebenen im Merkmalsraum (Voronoi
Tesselation) erhält
man durch die einfache Anwendung einer „Nächste Nachbar Klassifikation" auf jeden Punkt
des Merkmalsraums. Eine mögliche
Auswertung erhält man
durch die pixelweise Zuweisung eines Spektrums zur gehörigen Fläche die
zusammen mit einer geeigneten Farbkodierung eine Farbstofflandkarte
in Form eines Bildes darstellt. Man kann dem Benutzer auch textuell
auf dem Display 27 oder per Sprachausgabe mitteilen, welche
Farbstoffe in der Probe vorhanden sind.
-
9 beschreibt
die Möglichkeit
der Ermittlung der im Objekt vorhandenen Farbstoffe an Hand der
gemessenen Spektren 60a, 61a, 62a, 63a und 66a.
Hierzu werden die Zentren 67 der Punktwolken der gemessenen
Spektren bestimmt. Dies geschieht vorteilhafterweise durch Vektorquantisierung
und Repräsentationsbildung.
Die Zuordnung der diskreten Farbstoffspektren 60b, 61b, 62b, 63b und 66b wird entsprechend
der minimalen Distanz zum Zentrum der Punktwolken durchgeführt. In 9 sind richtige Zuordnungen
mit dem Bezugszeichen 76 bezeichnet. Falsche Zuordnungen
werden mit dem Bezugszeichen 77 bezeichnet.
-
10 beschreibt
eine andere Möglichkeit der
Zuordnung der diskreten Farbstoffspektren zu den gemessenen Spektren 60a, 61a, 62a, 63a und 66a.
Hierzu wird für
jede Punktwolke der gemessenen Spektren 60a, 61a, 62a, 63a und 66a ein Schwerpunkt 80 bestimmt.
Dies geschieht vorteilhafterweise durch Vektorquantisierung und
Repräsentationsbildung
Die in 10 eingezeichneten
Hyperebenen 81 im Hyperraum sind die Zuteilungsgrenzen. Diese
Zuteilungsgrenzen werden an Hand des Abstandes der Schwerpunkte
untereinander ermittelt und man erhält so genannte Teilbereich 82, 83, 84, 85 und 86 im
Hyperraum. Einzeile Punktwolken in den Teilbereichen 82, 83, 84, 85 und 86 werden
als multidimensionale Normalverteilung N (s, V) mit Co-Varianzmatrix modelliert.
Dies kann mathematisch als Fit realisiert sein, geschieht aber praktischerweise
durch die direkte Berechnung der Co-Varianzmatrix als Erwartungstreuer Schätzer. Dies
modelliert im wesentlichen die in allen Figuren eingezeichneten
Ellipsen als Punktwolke. Eine Eigenwertanalyse der Co-Varianzmatrix
wird durchgeführt.
Die Eigenwerte und Eigenvektoren der Punktwolken werden gesammelt
und anschließend
erfolgt die Farbstoffzuordnung, wobei die Schwerpunkte möglicht nahe
an den Farbstoffspektren liegen. Da die Eigenvektoren der Co-Varianzmatrix
bei Mischung eine ausgeprägte
Richtung haben und nicht wie bei Rauschen gleichförmig ausgeprägt sind,
kann man diese zusätzlich
zur Klassifikation heranziehen welche Mischprozesse zwischen Farbstoffen
stattfinden.
-
In 11 sind
die Eigenvektoren 90a, 90b einer Punktwolke 90 eines
gemessenen Spektrums dargestellt. In 12 werden
diese Eigenvektoren zur Zuordnung der L Farbstoffspektren zu den
gemessenen Spektren verwendet. Mit Hilfe dieser Eigenvektoren ist
eine eindeutige Zuordnung möglich. Das
gemessene Spektrum 63a liegt in dem dargestellten Beispiel
unentscheidbar zwischen den Farbstoffen 63b und 62b.
Durch die Hinzunahme der Richtung der Eigenvektoren als Statistik
zweiter Ordnung, kann man schließen dass die so herausgefundene
Richtung (Gerade C) eher parallel zu einer Mischung von 60b und 63b passt
(Gerade A) als zu einer Mischung von 60b und 62b (Gerade
B). Aus diesem Grund wird es wohl eher der Farbstoff 63b sein und
die Alternative 62b fällt
weg. Diese Art der Aussage ist mit dem bisher bekannten Stand der
Technik nicht möglich.
-
Nach der Ermittlung der Farbstoffkonzentration
kann man auf die Intensitätsbasen
zurückrechnen,
eine Pseudoinverse berechnen und die Messwerte korrigieren. Diese
Anwendungen sind im Stand der Technik in der Astronomie und der
Mikroskopie unter den Stichworten „Linear Unmixing" bekannt.
-
Die Erfindung wurde in Bezug auf
eine besondere Ausführungsform
beschrieben. Es ist jedoch selbstverständlich, dass Änderungen
und Abwandlungen durchgeführt
werden können,
ohne dabei den Schutzbereich der nachstehenden Ansprüche zu verlassen.
-
- 1
- Beleuchtungssystem
- 3
- Beleuchtungslichtstrahl
- 5
- Umlenkmittel
- 6
- Beleuchtungspinhole
- 7
- Scanmodul
- 8
- mikrostrukturiertes
Element
- 9
- Scanspiegel
- 10
- Laser
- 12
- Scanoptik
- 13
- Mikroskopoptik
- 15
- Objekt
- 17
- Detektionslichtstrahl
- 18
- Detektionspinhole
- 20
- SP-Modul
- 23
- Rechnersystem
- 24
- Speicher
- 25
- Software
- 27
- Peripheriegerät
- 29
- Einstellvorrichtung
- 30
- Maus
- 31
- Prisma
- 32
- aufgespaltener
Lichtfächer
- 33
- Fokussieroptik
- 34
- Spiegelblendenanordnung
- 35
- Spiegelblendenanordnung
- 36
- Detektor
- 37
- Detektor
- 38
- Detektor
- 40
- Einstellelement
- 41
- Einstellelement
- 45
- elektronische
Einrichtung
- 46
- Mittel
zum Auswählen
- 50
- Messwert
- 51
- Intensitätsraum
- 52
- Projektionsraum
- 53
- Pyramide
- 54
- Einheitskreis
- 55
- Dreieck
- 56
- Ecken
des Dreiecks 55
- 56a
- obersten
Ecke ist Rot
- 56b
- linke
Ecke ist Grün
- 56c
- rechte
Ecke ist blau
- 60
- erstes
Farbstoffsspektrum
- 60a
- gemessenes
Spektrum
- 60b
- diskretes
Farbstoffspektrum
- 61
- zweites
Farbstoffsspektrum
- 61a
- gemessenes
Spektrum
- 61b
- diskretes
Farbstoffspektrum
- 62
- drittes
Farbstoffsspektrum
- 62a
- gemessenes
Spektrum
- 62b
- diskretes
Farbstoffspektrum
- 63
- viertes
Farbstoffsspektrum
- 63a
- gemessenes
Spektrum
- 63b
- diskretes
Farbstoffspektrum
- 64
- Verbindungen
des Polygons
- 66a
- gemessenes
Spektrum
- 67
- Zentren
der Punktwolken
- 70
- erster
Bereich
- 71
- zweiter
Bereich
- 72
- dritter
Bereich
- 73
- vierter
Bereich
- 75
- Linien
- 76
- Zuordnungen
richtig
- 77
- Zuordnungen
falsch
- 80
- Schwerpunkt
- 81
- Linien
im Hyperraum
- 82
- Teilbereich
im Hyperraum
- 83
- Teilbereich
im Hyperraum
- 84
- Teilbereich
im Hyperraum
- 85
- Teilbereich
im Hyperraum
- 86
- Teilbereich
im Hyperraum
- 90
- Punktwolke
- 90a
- Eigenvektor
- 90b
- Eigenvektor
- 100
- Scanmikroskop