Übersicht
Oberseminar
Messsystemtechnik Projekt „Optische Prozessmess-
technik“
Projekt
„Photonische Messsystem- technik“
Studiengänge ET, MT, RES, Physik MT ET
Modul Oberseminar
Messsystemtechnik Modul Sensoren und Messsysteme
Vertiefung
Modul Photonische Messystemtechnik
Umfang 2 SWS 2 SWS 1 SWS
Leistung Vortrag (+ Beleg) Vortrag + Beleg Vortrag
Ansprechpartner zur Organisation Oberseminar und Projekte:
Dr. Robert Kuschmierz, robert.kuschmierz@tu-dresden.de Agenda:
1. Modalitäten Oberseminar und Projekte
2. Themenvorstellung
Modul „Oberseminar Messsystemtechnik“ (2 SWS, 4 bzw. 2 LP) Teil A: Wöchentliches Seminar
Anwesenheitsliste Teil B: Seminararbeit
● betreute Gruppenarbeit à 2-4 Studenten (mind. einmal Konsultation)
● Umfang: je 120 Stunden (Elektrotechnik) bzw. 60 Stunden (Mechatronik)
Benotung:
Referat: 20 min Vortrag + 10 min Diskussion, jeweils pro Student
Beleg (nur ET): 6 Seiten
Vorlage auf Webseite
(Studium Lehrveranstaltungen OS Messsystemtechnik)
SG Elektrotechnik (4 LP):
Modulnote = Note des Referats * 1/3 + Belegnote * 2/3
SG Mechatronik bzw. SG Regenerative Energiesysteme (2 LP):
Modulnote = Note des Referats SG Physik:
Leistungsschein (Ausarbeiten und Halten eines Seminarvortrags)
Ihre Anmeldung im HISQIS ist erforderlich (zwecks Notenmeldung)!
Projekt „Optische Prozessmesstechnik“
Projektarbeit:
● betreute Gruppenarbeit à 2-4 Studenten (mind. einmal Konsultation)
● Umfang: je ca. 3 Tage pro Student + Selbststudium
Benotung:
Referat: 15 min Vortrag (5 min pro Student) + 10 min Diskussion
Beleg: 6 Seiten
Vorlage auf Webseite
(Studium Lehrveranstaltungen Projekt Optische Prozessmesstechnik)
SG Mechatronik (2 SWS):
Note Projektarbeit = 1/2 * Vortrag + 1/2 * Beleg
Note der Projektarbeit geht mit 40 % in die Modulnote ein (Modul: Sensoren u.
Messsysteme-Vertiefung)
Ihre Anmeldung im HISQIS ist erforderlich (zwecks Notenmeldung)!
Projekt „Photonische Messsystemtechnik“
Projektarbeit:
● betreute Gruppenarbeit à 2-4 Studenten (mind. einmal Konsultation)
● Umfang: je ca. 3 Tage pro Student + Selbststudium
Benotung:
Referat: 15 min Vortrag (5 min pro Student) + 10 min Diskussion
Beleg: kein Beleg
SG Elektrotechnik (1 SWS):
Note Projektarbeit = Note Vortrag
Note der Projektarbeit geht mit 1/7 in die Modulnote ein (Modul „Photonische Messsystemtechnik“)
Ihre Anmeldung im HISQIS ist erforderlich (zwecks Notenmeldung)!
Zeitplan
• 12.10. Themenvorstellung
• Bis 30.10. Einschreibung für die Bearbeitung der Themen (Einschreibung
während des Oberseminars oder im Sekretariat, jedes Thema kann nur durch eine Gruppe bearbeitet werden „First Come, First
Serve“-Prinzip)
• ab 30.10. Bearbeitung der Projekte
• ab Januar Präsentation der Projektergebnisse und ggf. Abgabe der Belege (in Rücksprache mit dem Betreuer)
Themenvorstellung
Themen für das Oberseminar &
Projekte
Mechanische Größen spielen eine immer wichtigere Rolle als Messgröße in Medizin und Biologie. Bisher genutzte Verfahren, wie die spontane Brillouin-Mikroskopie, schaffen es nicht, kontaktlose Messungen mit hoher zeitlicher und räumlicher Auflösung zu realisieren. Ein vielversprechendes Verfahren, welches diese Eigenschaften kombinieren kann, ist ein Messsystem auf Basis von impulsiv stimulierter Brillouin-Streuung (ISBS). Bei diesem erfolgt die Anregung im Messvolumen durch die Überlagerung eines auf zwei Strahlen aufgeteilten Kurzpulslasers. Durch Elektrostriktion regt das entstehende Interferenzstreifenmuster eine stehende akustische Welle an. Diese kann durch einen zweiten kontinuierlichen Laser ausgelesen werden. Die Frequenz wird mit einem Detektor erfasst und ermöglicht die Erfassung der Schallgeschwindigkeit bzw. von mechanischen Eigenschaften.
Durch diese Forschung können perspektivisch Krankheiten (wie z. B. Krebs) einfacher und schneller diagnostiziert werden und somit besser therapiert bzw. geheilt werden. Der Biomedizin eröffnet sich ein völlig neuer Blick auf die Welt.
Motivation
Fühlen mit Licht:
Untersuchungen zur Parallelisierung der Mehrrichtungsanregung
Fühlen mit Licht (Symbolbild)
Oberseminarthema
Überlagerung von Wellenfeldern
Simulation, Matlab, Akustooptik, Schallfelder, Optik-Entwurf, Biomedizin
Stichworte
Benedikt Krug, BAR 24, Tel. 463-32938, E-Mail: Benedikt.Krug@tu-dresden.de
Kontakt
Durch eine gleichzeitige Anregung von mehreren akustischen Wellen können Informationen über die Anisotropie der Probe gewonnen werden.
• Analyse der Signalgenerierung bei Mehrrichtungsanregung durch Simulation
• Entwurf zur Umsetzung am realen Aufbau
• Aufbau, Inbetriebnahme und Validierung am Aufbau
Die Aufgaben können flexibel an den Arbeitsumfang (DA, SA, OS) angepasst werden.
Aufgaben
Ultraschall, Beamforming, Signalverarbeitung, Schallfeld, Python
Stichworte
Neues Scan-Verfahren für 3D-Ultraschall-Bildgebung im Schädel auf der Basis von Diverging Wave Imaging
Oberseminar „Messsystemtechnik“
Zur Generierung hochauflösender Ultraschallbilder mit hoher Bildwiederholrate wird die sogenannte Ultrafast-Imaging- Technik verwendet. Dabei wird von einem Phased Array eine ebene Welle ausgesendet und die Reflexionen von allen Ultraschallelementen wieder empfangen.
Durch eine Phasenverschiebung der einzelnen aufgenommenen Signale und eine anschließende Addition (vgl. DAS Beamforming) kann das Schallfeld fokussiert und somit eine Bildgebung erreicht werden.
Alternativ zu Plane Waves können Diverging Waves genutzt werden. Diese ermöglichen eine bessere Bildgebung bei begrenzter Zugänglichkeit und können auch für Flächenwandler für 3D-Bilder genutzt werden.
Im Rahmen dieser Arbeit soll der Beamforming-Algorithmus für Diverging Wave Imaging angepasst werden. Weiterhin soll das Auflösungsvermögen der Methode experimentell untersucht und charakterisiert werden.
Motivation
- Literaturrecherche zu Diverging Wave Imaging
- Anpassung des Beamforming Algorithmus für schnelle GPU-fähige Signalverarbeitung auf der Basis von Python
- Experimentelle Charakterisierung von Diverging Wave Imaging für Strömungsmessungen
Aufgaben
Prinzipdarstellung und B-Modes von Drähten von (a) Plane Wave Imaging und (b) Diverging Wave Imaging.
aus:Hasegawa, H., Kanai, H. High-frame-rate echocardiography using diverging transmit beams and parallel receive beamforming. J Med Ultrasonics 38, 129–140 (2011).
David Weik, BAR 27, E-Mail: david.weik@tu-dresden.de
Kontakt
Python, Numerical Simulation, Signal Processing, Beamforming, System Identification
Keywords
Simulative evaluation of a virtual array for ultrasound based cranial imaging
Oberseminar „Messsystemtechnik“
• Lars Grüter, BAR I56C, Tel. +49 351 463-36188, E-Mail: lars.grueter@tu-dresden.de
• Internet: http://tu-dresden.de/et/mst
Contact
Ultrasound based imaging represents an inexpensive and mobile alternative to x-ray based techniques for medical diagnosis of stroke and could significantly reduce the time to life saving therapy. However, skull- induced acoustical aberrations need to be compensated to maintain image quality. This can be achieved by utilizing a novel non- invasive calibration method with two independent acoustical accesses to create a time reversal virtual array (TRVA).
Although promising, further characterization of the method‘s improvement of imaging properties is required. This entails the simulative evaluation of properties such as the peak-to-background-ratio and resolution over a two-dimensional grid.
Another task is the optimization of the cur- rent calibration strategy. While improve- ments with single calibration step are achieved, even larger improvements might be possible with successive calibration steps performed in an iterative manner.
Motivation
• Familiarization with time-reversal imaging, TRVA method, scientific Python and simulation library
•EITHER spatial characterization of existing calibration approach
OR implementation of an iterative calibration approach with two opposing virtual arrays
Tasks
left to right: CT scan of intracerebral hemorrhage, schematic visualization of calibration method, point spread function of point source inside skull phantom after calibration
MATLAB, Image processing, Fibers-optics,
Keywords
Calibration of multi-core fibers from intensity only images
Oberseminar „Messsystemtechnik“/PMST/OPMT
• M.Sc. Jiawei Sun, BAR 116, Tel. 463-32116
• E-Mail: jiawei.sun@tu-dresden.de
• Website: http://tu-dresden.de/et/mst
Contact
The multi-core fiber (MCF) lensless microendoscope is an emerging tool in biomedicine with minimum invasiveness.
Each MCF contains thousands of single- mode cores, and each fiber core can function both as an imaging pixel for detection of light and a light-emitting unit in a phased array for wavefront shaping.
However, due to the optical path difference between individual cores, a plane- wave illumination at the proximal facet results in a random speckle pattern at the distal output. Therefore, phase distortion correction is highly demanded utilizing MCFs. Digital holography is a typical way to measure the phase differences between fiber cores. But the complicated experimental setup and long alignment process limit the application. Therefore, we developed a numerical method to retrieve the phase distortion without holographic measurements.
Your task will be validating this numerical method in simulation and finding appropriate criteria to characterize the performance of this numerical method. It could be best if you can use advanced techniques like deep learning to speed up this process.
Motivation
- Simulate the phase retrieval algorithm in Matlab - Characterize the performance of the algorithm - Optimize the algorithm for faster computation speed
Tasks
Diffuser based imaging is a recent topic in computational optics. The diffuser generates a unique pseudorandom speckle pattern for every point within a volumetric field-of-view on an image plane. By solving the inverse problem, the 3D scene can be reconstructed computationally.
In conjunction with imaging waveguides, this enables the realization of single shot 3D microendoscopes.
For this purpose, the diffuser is placed in front of the waveguide to code the 3D object into a 2D speckle pattern, which is then transferred in a robust manner and read out by a camera.
Iterative approaches have been employed to solve the inverse problem, the evaluation time was long, however.
In order to increase the signal processing speed, neural networks can be used to reconstruct the 3D images from the 2D speckle patterns.
Moreover, multispectral images can increase the amount of information available for the reconstruction.
Motivation
Investigation on neural networks for multispectral 3D image reconstruction from speckle patterns
• Development of a fully connected NN/ U-Net for 3D image reconstruction
• Comparison for monospectral and multispectral images
• Investigation of speckles of simulated data and real tissue
Tasks
Endoscopy, Neural Network, Computational Optics
Key words
• Dipl.-Ing. Tom Glosemeyer, BAR I56C, E-Mail: tom.glosemeyer@tu-dresden.de
Contact
Oberseminar, PMST, OPMT
Bildverarbeitung, künstliche neuronale Netze, Deep Learning
Stichworte
Lokalisierung von Neuronen mit Deep Learning
Oberseminar „Messsystemtechnik“
• Felix Schmieder, BAR 25, Tel. 463-33894, E-Mail: felix.schmieder@tu-dresden.de
• Internet: http://tu-dresden.de/et/mst
Kontakt
Alle Signalverarbeitung im Hirn basiert auf der Anregung und Unterdrückung elektrochemischer Signale in einzelnen Nervenzellen. Für die Untersuchung dieser Grundlagen und darauf aufbauender Phänomene wie Gedächtnis, Verhalten und Krankheiten hat sich die Optogenetik als wichtiges Werkzeug etabliert. Dazu werden Neuronen genetisch verändert und können anschließend durch Licht aktiviert oder inhibiert werden. An der MST werden Untersuchungen an zweidimensionalen Neuronennetzwerken in vitro durchgeführt, um sich entwickelnde Netzwerkstrukturen zu erfassen. Hierzu müssen einzelne Neuronen in Fluoreszenzbildern identifiziert und anschließend stimuliert werden. Die langwierige Auswahl zu beleuchtender Neuronen erfolgte hierzu bisher von Hand.
Im Rahmen dieses Projektes soll eine
Detektion von Neuronen in
Fluoreszenzbildern basierend auf Deep Learning, zum Beispiel mittels eines YOLO- oder R-CNN-Netzes implementiert werden.
Ein teilweise mit Labeln versehener Datensatz steht dazu zur Verfügung.
Motivation
- Auswahl und Implementierung eines geeigneten neuronalen Netzes zur Objektlokalisierung
- Falls notwendig Labeling weiterer Fluoreszenzbilder
Aufgaben
Endoscopy, spatial light modulator, computational optics, neural networks
Key words
Training setup for neural-network-based 3D endomicroscopy
Oberseminar, PMST
• M.Sc. Julian Lich, E-Mail: julian.lich@tu-dresden.de
• Internet: tu-dresden.de/et/mst
Kontakt
Diffuser based imaging is a recent topic in computational optics. The diffuser generates a unique pseudorandom speckle pattern for every point within a volumetric field-of-view on an image plane. By solving the inverse problem or the use of neural networks, the 3D scene can be reconstructed computationally. In conjunction with imaging waveguides, this enables the realization of single shot 3D micro- endoscopes.
To train or calibrate such diffusor endoscopes, an object generator is necessary. Currently, an OLED-display is used, which offers high contrast but low intensity. To increase intensity, a digital micromirror device (DMD) shall be implemented.
Motivation
- Implementation of DMD unit - Characterization in optical setup - Comparison to OLED Display
Tasks
Diffusor endoscope Object generator
Object
Samsung Galaxy S10
Display
National Instruments LightCrafter DMD display
Bildverarbeitung, Systemtheorie, Programmierung, Strömungsmesstechnik
Stichworte
Robustes Partikel-Tracking für Hochgeschwindigkeitsmessungen Oberseminarthema
• Clemens Bilsing, BAR I 55, Tel. 463-43019, clemens_matthias.bilsing@tu-dresden.de
• Lars Büttner, BAR 28, Tel: 463-35314, lars.buettner@tu-dresden.de
Kontakt
- Implementierung eines geeigneten Algorithmus aus der Literatur
- Anpassen des Algorithmus an die speziellen Eigenschaften unseres Messsystems - Anwendung des Algorithmus auf reale Messdaten
- Charakterisierung der Tracking-Performance und der Laufzeit
Aufgaben
Für die Optimierung von Brennstoffzellen ist es essentiell den Transport von Wassertropfen am ionenleitenden Membran besser zu verstehen. Dabei spielen mikrofluidische Strömungsmessungen innerhalb dieser Tropf- en eine große Rolle. Für derartige Messungen werden üblicherweise Tracer-Partikel dem Wasser hinzugegeben, deren Bewegung kameramesstechnisch erfasst wird. Um auch besonders schnelle Strömungen messen zu können, werden an der MST Hochgeschwin- digkeitskameras und Restlichtverstärker (Nachtsichtgeräte) verwendet. Eine Heraus- forderung stellt hier das niedrige Signal- Rausch-Verhältnis (SNR) dar, da die maximal mögliche Belichtungszeit mit steigenden Bildraten sinkt. Zusätzlich erschweren unter manchen Umständen auch unerwünschte Lichtreflexe (z. B. von den Grenzflächen des Messvolumens) die Auswertung.
Grundsätzlich gibt es in der Literatur schon einige Algorithmen für sehr ähnliche Problemstellungen, allerdings ist der Programmcode nicht frei verfügbar. Im Rahmen dieser Arbeit soll dementsprechend ein gut passender Algorithmus aus der Literatur implementiert, charakterisiert und an die speziellen Eigenschaften unseres Messsystems angepasst werden.
Motivation
Links: Mehrere Partikel mit unerwünschten Schlieren Oben: Einzelner Partikel mit eingezeichneter
Trajektorie
Characterisation of an adaptive segmented lens
- Construction of an experimental setup for digital holography in the lab
- Experimental characterization of the segmented lens using digital holography - Evaluation of the results regarding Zernike polynomials to describe aberrations
Tasks
Microscopy is one of the main diagnostic tools in biomedical applications. Often the resolution of microscopic scans is decreased by
aberrations. We employ novel adaptive optical elements in microscopy to enable fast and aberration free 3D-scans of zebrafish embryos.
The adaptive elements are controlled by several voltages applied to piezo actuators, which deform the lens surface. To correct aberrations of higher order (e.g. Coma &
Trefoil) a segmented lens with 8 piezo actuators shall be used.
The behaviour of this novel lens has to be measured and analysed using digital holography.
Background
• Katharina Schmidt, BAR 27, E-Mail: katharina.schmidt1@tu-dresden.de
Contact
Themenübersicht
Thema Kürzel Projektart Betreuer
Fühlen mit Licht - Untersuchungen zur Parallelisierung der
Mehrrichtungsanregung FüMiLi OS Benedikt Krug
Evaluierung eines neuartigen Ultraschall-Beamforming Algorithmus für
technische und medizinische Anwendungen BeamForm OS David Weik
Simulative evaluation of a virtual array for ultrasound based cranial imaging USSim OS Lars Grüter Calibration of multi-core fibers from intensity only images RetrievePhi OS, PMST, OPMT Jiawei Sun
Investigation on neural networks for multispectral 3D image reconstruction
from speckle patterns DiffScope I OS, PMST, OPMT Tom Glosemeyer
Lokalisierung von Neuronen mit Deep Learning NeuroFind OS Felix Schmieder
Training setup for neural-network-based 3D endomicroscopy DiffScopeII OS, PMST Julian Lich Robustes Partikel-Tracking für Hochgeschwindigkeitsmessungen FlowTrack OS Clemens Bilsing
Characterization of an adaptive segmented lens A-Lens OS Katarina Schmidt