Praktikum Medizin und Mathematik Modellierung von Tumorwachstum
|
|
- Thilo Bäcker
- vor 6 Jahren
- Abrufe
Transkript
1 Praktikum Medizin und Mathematik Modellierung von Tumorwachstum C. Grumann, B. Kuhlenschmidt, S. Wagner WWU Münster
2 Outline Biologische Grundlagen 1 Biologische Grundlagen Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion 2 Übersicht PDE-System 3
3 Gliederung Biologische Grundlagen Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion 1 Biologische Grundlagen Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion 2 Übersicht PDE-System 3
4 Entstehung eines Tumors Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion Mutationen führen zu Tumorentstehung.
5 Entstehung eines Tumors Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion Mutationen führen zu Tumorentstehung. Zellen wachsen unkontrolliert, können sich unabhängig voneinander teilen und gesundes Gewebe verdrängen bzw. zersetzen.
6 Entstehung eines Tumors Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion Mutationen führen zu Tumorentstehung. Zellen wachsen unkontrolliert, können sich unabhängig voneinander teilen und gesundes Gewebe verdrängen bzw. zersetzen. Fehler in der DNA können nicht mehr behoben werden.
7 Entstehung eines Tumors Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion Mutationen führen zu Tumorentstehung. Zellen wachsen unkontrolliert, können sich unabhängig voneinander teilen und gesundes Gewebe verdrängen bzw. zersetzen. Fehler in der DNA können nicht mehr behoben werden. Zellen verlieren die Möglichkeit des programmierten Zelltodes.
8 Entstehung eines Tumors Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion Mutationen führen zu Tumorentstehung. Zellen wachsen unkontrolliert, können sich unabhängig voneinander teilen und gesundes Gewebe verdrängen bzw. zersetzen. Fehler in der DNA können nicht mehr behoben werden. Zellen verlieren die Möglichkeit des programmierten Zelltodes. Tumorzellen können weiter mutieren.
9 Zellteilung Normal - Krebs Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion
10 Schematisches Diagramm Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion MM : Macromolekül. MDE : Matrix zersetzendes Enzym. Quelle: Anderson, Chaplain, Rejniak, 2007
11 Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion Haptotaxis und Diffusion Diffusion Beschreibt die Zellbewegung, welche durch eine zufällige Beweglichkeit der Zellen und einer Verdrängung durch Zellteilung entsteht.
12 Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion Haptotaxis und Diffusion Diffusion Beschreibt die Zellbewegung, welche durch eine zufällige Beweglichkeit der Zellen und einer Verdrängung durch Zellteilung entsteht. Haptotaxis Unter Haptotaxis versteht man die gezielte Bewegung von Zellen in Richtung des Makromoleküles.
13 Gliederung Biologische Grundlagen Übersicht PDE-System 1 Biologische Grundlagen Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion 2 Übersicht PDE-System 3
14 Übersicht Biologische Grundlagen Übersicht PDE-System Modelliere Tumorwachstum mit Hilfe eines Systems partieller Differentialgleichungen
15 Übersicht Biologische Grundlagen Übersicht PDE-System Modelliere Tumorwachstum mit Hilfe eines Systems partieller Differentialgleichungen zwei Raumdimensionen
16 Übersicht Biologische Grundlagen Übersicht PDE-System Modelliere Tumorwachstum mit Hilfe eines Systems partieller Differentialgleichungen zwei Raumdimensionen Zellalterung, Zellbewegung, Sauerstoffkonsum der Zellen und Makromolekül des umliegenden Gewebes werden berücksichtigt
17 Übersicht PDE-System Abhängige Variablen p(x, y, a, t) ˆ= Dichte der teilenden Zellen des Tumors im Punkt (x, y) Ω vom Alter a zum Zeitpunkt t q(x, y, a, t) ˆ= Dichte der ruhenden Zellen des Tumors im Punkt (x, y) Ω vom Alter a zum Zeitpunkt t f (x, y, t) ˆ= Dichte des Makromoleküls des umliegenden Gewebes im Punkt (x, y) zum Zeitpunkt t m(x, y, t) ˆ= Konzentration des Matrix zersetzenden Enzyms im Punkt (x, y) zum Zeitpunkt t c(x, y, t) ˆ= Sauerstoffkonzentration im Punkt (x, y) zum Zeitpunkt t.
18 Das PDE-System Biologische Grundlagen Übersicht PDE-System PDE für die Dichte der teilenden Zellen p: t p(x, y, a, t) = a p(x, y, a, t) }{{} Zellalterung +D p 2 p(x, y, a, t) χ (p(x, y, a, t) f ((x, y, t))) }{{}}{{} Diffusion Haptotaxis ρ(c(x, y))p(x, y, a, t) }{{} Zelltod durch mangelnden Sauerstoff σ(c(x, y))p(x, y, a, t) }{{} Θ(a, c(x, y))p(x, y, a, t) }{{} Zellteilung +τ(c(x, y))q(x, y, a, t) }{{} Übergang in ruhenden Zustand Übergang in teilenden Zustand
19 Übersicht PDE-System PDE für die Dichte der ruhenden Zellen q: t q(x, y, a, t) = a q(x, y, a, t) }{{} Zellalterung ν(c(x, y))q(x, y, a, t) }{{} Zelltod durch mangelnden Sauerstoff +σ(c(x, y))p(x, y, a, t) τ(c(x, y))q(x, y, a, t) }{{}}{{} Übergang in teilenden Zustand Übergang in ruhenden Zustand Randbedingung für a = 0(durch Zellteilung entstehende Zellen): am p(x, y, 0, t) = 2 Θ(a, c(x, y))p(x, y, a, t)da, 0
20 Übersicht PDE-System PDEs für Makromolekül, Enzym und Sauerstoffkonzentration: t f (x, y, t) = δm(x, y, t)f (x, y, t) }{{} Abbau t m(x, y, t) = D m 2 m(x, y, t) +µp(x, y, t) + ωq(x, y, t) }{{}}{{} Diffusion Produktion λm(x, y, t) }{{} Zerfall t c(x, y, t) = D c 2 c(x, y, t) +βf (x, y, t) }{{}}{{} Diffusion Produktion γp(x, y, t) ηq(x, y, t) αc(x, y, t) }{{}}{{} Verbauch Zerfall
21 Übersicht PDE-System Verwendete Software COMSOL ermöglicht numerische Berechnung von PDEs auf bis zu dreidimensionalen Gebieten(stationär und zeitabhängig) auch gekoppelte Systeme von PDEs auf verschiedenen Gebieten können gelöst werden finite Elemente Methoden werden verwendet Gitterfeinheit und Zeitschrittweite können manuell eingestellt werden gute Möglichkeiten zur Darstellung von Lösungen
22 Implementierung Biologische Grundlagen Übersicht PDE-System Implementierung der Randbedingung an a = 0 problematisch, da COMSOL konsistente Anfangswerte fordert wähle vereinfachend p(x, y, 0, t) = 2 am wobei p 0 Anfangsdaten für p sind 0 Θ(a, c(x, y))p 0 (x, y, a, t)da,
23 Übersicht PDE-System Graphische Darstellung der Lösungen Abbildung: p bzw. f zu den Zeitpunkten 0.00, 0.18, 0.27 und 0.50
24 Gliederung Biologische Grundlagen 1 Biologische Grundlagen Grundlagen Hauptfaktoren der Modelle Haptotaxis und Diffusion 2 Übersicht PDE-System 3
25 Zu Grunde liegendes Modell PDG-System Zellbewegung n t = d n 2 n }{{} Zufällige Bewegung ρ (n f ) }{{} Haptotaxis
26 Zu Grunde liegendes Modell PDG-System Zellbewegung n t = d n 2 n }{{} Zufällige Bewegung Chemische Dynamik f t = ηmf }{{} Abbau = d m 2 m m t c }{{} Diffusion t = d c 2 c }{{} Diffusion + }{{} κn Produktion + νf }{{} Produktion ρ (n f ) }{{} Haptotaxis σm }{{} Zerfall ωn }{{} Aufnahme φc }{{} Zerfall
27 Biologische Grundlagen diskret: Stochastische Simulation einzelner Zellen kontinuierlich: Simulation von Sauerstoff, MDE und MM über System von Reaktions-Diffusions Gleichungen
28 Diskretisierung der Zellbewegung Ziel: Gewinnung von Bewegungswahrscheinlichkeiten aus der Bewegungsgleichung FD-Diskretisierung Zeitschritt k, Raumschritt h Quelle: Anderson, 2006
29 Diskretisierung der Zellbewegung Ziel: Gewinnung von Bewegungswahrscheinlichkeiten aus der Bewegungsgleichung FD-Diskretisierung Zeitschritt k, Raumschritt h n q+1 i,j = n q i,j P 0 + n q i+1,j P 1 + n q i 1,j P 2 + n q i,j+1 P 3 +n q i,j 1 P 4 Quelle: Anderson, 2006
30 Diskretisierung der Zellbewegung Ziel: Gewinnung von Bewegungswahrscheinlichkeiten aus der Bewegungsgleichung FD-Diskretisierung Zeitschritt k, Raumschritt h n q+1 i,j = n q i,j P 0 + n q i+1,j P 1 + n q i 1,j P 2 + n q i,j+1 P 3 +n q i,j 1 P 4 P 1 = kdn h 2 ( kρ f q 4h 2 i+1,j f q i 1,j ) Quelle: Anderson, 2006
31 Diskretisierung der Zellbewegung Ziel: Gewinnung von Bewegungswahrscheinlichkeiten aus der Bewegungsgleichung FD-Diskretisierung Zeitschritt k, Raumschritt h n q+1 i,j = n q i,j P 0 + n q i+1,j P 1 + n q i 1,j P 2 + n q i,j+1 P 3 +n q i,j 1 P 4 P 1 = kdn h 2 P 2 = kdn h 2 P 3 = kdn h 2 P 4 = kdn h 2 P 0 = 1 4kdn h 2 ( kρ f q 4h 2 ( + kρ f q 4h 2 ( kρ f q 4h 2 ( + kρ f q 4h 2 ( kρ f q 4h 2 i+1,j f q i+1,j f q i,j+1 f q i,j+1 f q i 1,j i 1,j i,j 1 i,j 1 i+1,j + f q i 1,j 4f q i,j + f q i,j+1 + f q ) ) ) ) i,j 1 ) Quelle: Anderson, 2006
32 Diskretisierung der Zellbewegung Zelladhäsion Zellen können sich i.a. nicht völlig frei bewegen Erlaube Zellen nur sich zu bewegen, wenn mindestens A Nachbarzellen
33 Mutationen Biologische Grundlagen Mutationen können bei der Zellteilung auftreten Lineares Mutationsschema Phenotyp Teilungsalter O2-Aufnahme MDE Produktion Haptotaxis A I 16h ω κ ρ 3 4 II 14h III 12h 2ω 2κ 2ρ 1 IV 8h 4ω 4κ 4ρ 0
34 Lebenszyklus einer Tumorzelle
35 Biologische Grundlagen Zeit-Raum-Diskretisierung Zeitschritt k, Gitter mit Raumschritt h Jeder Gitterpunkt enthält (c, f, m)-konzentrationen und höchstens eine Zelle Diskretisierung der (c, f, m)-konzentrationen über Finite Differenzen Stabilitätsbedingung: 4kD h 2 < 1 Algorithmus Initialisiere Zellen und (c, f, m)-werte Wiederhole bis zum Endzeitpunkt Ermittle neue (c, f, m)-werte Führe Lebenszyklus der Zellen weiter
36 Ausdehnung des Tumors
37 Tumor: Biologische Grundlagen Tumor und (c,f,m)-konzentrationen MM: MDE: Sauerstoff:
38 Wachstum des Tumors
39 Wachstum des Tumors
40 Wachstum des Tumors
41 Wachstum des Tumors
42 Wachstum des Tumors
43 Wachstum des Tumors
44 Wachstum des Tumors
45 Wachstum des Tumors
46 Literaturverzeichnis Biologische Grundlagen A. R. A. Anderson, M.A.J. Chaplain, E.L. Newman, R.J.C. Steele, A.M. Thompson. Mathematical modelling of tumour invasion and metastasis. J. Theoret. Med., 2 (2000), Alexander Anderson, Mark Chaplain, Katarzyna Rejniak (2007). Single-Cell-Based Models in Biology and Medicine, Birkhäuser Verlag AG 2007 A. R. A. Anderson (2005). A hybrid mathematical model of solid tumor invasion: the importance of cell adhesion, IMA Journal Math. Med. and Biol., 22, A. R. A. Anderson, Alissa M. Weaver, Peter T. Cummings, Vito Quaranta (2006). Tumor Morphology and Phenotypic Evolution Driven by Selective Pressure from the Microenvironment, Cell, 127, B. Ayati, G. F. Webb, A. R. A. Anderson (2006). Computational Methods and Results for Structured Multiscale Models of Tumor Invasion, Multiscale Model. Simul., Vol. 5, No. 1, 1-20
47 Vielen Dank für Ihre Aufmerksamkeit!
Die Modellierung einer Lithium-Batterie Zwischenpräsentation zum Praktikum Nichtlineare Modellierung in den Naturwissenschaften
MÜNSTER Die Modellierung einer Lithium-Batterie Zwischenpräsentation zum Praktikum Nichtlineare Modellierung in den Naturwissenschaften Christoph Fricke, Natascha von Aspern, Carla Tameling 12.06.2012
MehrStrömungssimulation in Li-Dualinsertationszellen
Strömungssimulation in Li-Dualinsertationszellen Julius Sewing, Nikolaus Krause, Dennis Dieterle j.sewing@gmx.net nikokrause@gmx.de dennis.dieterle@uni-muenster.de 22. Juni 2010 Sewing, Krause, Dieterle
MehrStrömungssimulation in Li-Dualinsertationszellen
Strömungssimulation in Li-Dualinsertationszellen Christoph Wiesian, Dennis Dieterle, Sven Wagner c.wiesian@uni-muenster.de dennis.dieterle@uni-muenster.de sven.wagner@uni-muenster.de 02.02.2010 Wiesian,
MehrModellierung des Tumorwachstums
Modellierung des Tumorwachstums Ansgar Jüngel TU Wien asc.tuwien.ac.at/ juengel (Einige Bilder wurden aus Copyrightgründen entfernt.) Ansgar Jüngel (TU Wien) Tumorwachstum asc.tuwien.ac.at/ juengel 1 /
MehrModellieren in der Angewandten Geologie II. Sebastian Bauer
Modellieren in der Angewandten Geologie II Geohydromodellierung Institut für Geowissenschaften Christian-Albrechts-Universität zu Kiel CAU 3-1 Die Finite Elemente Method (FEM) ist eine sehr allgemeine
MehrMathematische Modelle in der Biologie Biologische Wellen: Einzelspeziesmodell - Teil 1
Mathematische Modelle in der Biologie Biologische Wellen: Einzelspeziesmodell - Teil 1 Andrea Schneider 05.02.2013 Literatur: J.D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer
MehrSimulation reaktiver und nichtreaktiver Strömungen
Statustreffen IWRMM, Karlsruhe, 15.4.2005 Simulation reaktiver und nichtreaktiver Strömungen Jochen Fröhlich Universität Karlsruhe Arbeitsbereiche des TCP Zusammenschluss 1.1.2004 Institut für Chemische
MehrII. Elliptische Probleme
II. Elliptische Probleme II.1 Finite Differenzen: Grundidee II.2 Konvergenzaussagen II.3 Allgemeine Randbedingungen II.4 Gekrümmte Ränder Kapitel II (0) 1 Dirichlet Randwerte mit finiten Differenzen Einfachster
MehrFlagellenlokalisationen
und Philipps-Universität Marburg 27. Januar 2017 und Überblick und Überblick und Mathematik und Biologie und Fachbereich Mathematik und Informatik Numerik AG Prof. Stephan Dahlke Prof. Bernhard Schmitt
MehrSimulationstechnik V
Simulationstechnik V Vorlesung/Praktikum an der RWTH Aachen Numerische Simulation von Strömungsvorgängen B. Binninger Institut für Technische Verbrennung Templergraben 64 4. Teil Finite-Volumen-Methode
MehrTeil XIII. Simulation mit PDEs: Wärmeleitungsgleichung
Teil XIII Simulation mit PDEs: Wärmeleitungsgleichung IN8008, Wintersemester 2011/2012 284 ODE vs. PDE Differentialgleichungen bei der Molekulardynamik: nur eine unabhängige Variable: Zeit gewöhnliche
MehrD-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9
D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski Serie 9 Best Before: 24.5/25.5, in den Übungsgruppen (2 wochen) Koordinatoren: Alexander Dabrowski, HG G 52.1, alexander.dabrowski@sam.math.ethz.ch
MehrDynamische Strukturbildung in Zellen. Teilungsprozess der Bakteriezelle E.coli. Referent:Janosch Deeg 23.Mai 2006
Teilungsprozess der Bakteriezelle E.coli. Referent: 23.Mai 2006 Gliederung Zellbiologie 1 Einleitung Zellbiologie 2 MinCDE-System 3 Zellteilung Zellbiologie Kontrollsystem periodisch ablaufende biochemische
MehrStrahlentherapie. Julia Tissen. Johannes Gutenberg Universität Mainz
Strahlentherapie Julia Tissen Seminar zum Physikalischen Praktikum für Fortgeschrittene Johannes Gutenberg Universität Mainz 22.11.2010 Strahlentherapie wird zur Tumorbekämpfung eingesetzt, wobei ionisierende
MehrGeometrie und Mathematische Physik Differentialgeometrie I 10 m Diskrete Geometrie I 10 m Geometrie I 10 m Geometrische Grundlagen der linearen
Übersicht über die mathematischen Module der Bachelor- und Masterstudiengänge Mathematik, Wirtschaftsmathematik und Technomathematik Sommersemester 2017 Modul LP Prüfungsform 1 Pflichtmodule Bachelor Mathematik,
Mehr3 Das Programm 3. 4 Dateien 4. 5 Aufgaben 4. 6 Ausblick 5
Contents 1 Ziele dieser Uebung 1 2 Finite-Differenzen-Methode 1 3 Das Programm 3 4 Dateien 4 5 Aufgaben 4 6 Ausblick 5 1 Ziele dieser Uebung 1.1 Einleitung Wir erweitern das Problem aus der letzten Uebung
MehrGrundlagen und Grundgleichungen der Strömungsmechanik
Inhalt Teil I Grundlagen und Grundgleichungen der Strömungsmechanik 1 Einführung... 3 2 Hydromechanische Grundlagen... 7 2.1 Transportbilanz am Raumelement... 7 2.1.1 Allgemeine Transportbilanz... 7 2.1.2
Mehr1 Die Problemstellung
Institut für Wissenschaftliches Rechnen Technische Universität Braunschweig Prof. Hermann G. Matthies, Ph.D. ScientifiComputing Wir wollen als erstes das in diesem Praktikum zu behandelnde Problem aus
MehrEine Zombie-Invasion in Oldenburg
Die Mathematik des Untergangs Carl von Ossietzky Universität Oldenburg 8. September 2016 Inhalt 1 Ein mathematisches Modell Informelle Definition Ein diskretes Beispiel Übergang zum kontinuierlichen Modell
MehrIntegration externer PDE-Löser in Mathcad
in Mathcad Cathleen Seidel Dipl.-Wirtschaftsmath. GmbH Nürnberg Überblick 1. Erweiterung bestehender Software Warum? 2. inuech GmbH & Diffpack 3. Wärmeleitungsgleichung mit Diffpack 4. Erstellen einer
MehrErhaltungssätze & Finite Volumen. Einführung
Erhaltungssätze & Finite Volumen Einführung Übersicht 1. Allgemein 2. Verschiedene Formen und Funk@onen 5. Erhaltungssätze 6. Finite Volumen Methoden 7. Zusammenfassung 1. Allgemein Hyperbolische Differen@algleichungen
MehrParareal. Ein paralleler Lösungsalgorithmus für gewöhnliche Differentialgleichungen. Johannes Reinhardt. Parareal 1 Johannes Reinhardt
Ein paralleler Lösungsalgorithmus für gewöhnliche Differentialgleichungen Johannes Reinhardt 1 Johannes Reinhardt Übersicht Grundlagen Gewöhnliche Differentialgleichungen Numerische Methoden Der Algorithmus
MehrTeil XIII. Simulation von Partiellen Differentialgleichungen (PDE): Wärmeleitungsgleichung
Teil XIII Simulation von Partiellen Differentialgleichungen (PDE): Wärmeleitungsgleichung IN8008, Wintersemester 2014/2015 325 ODE vs. PDE Differentialgleichungen bei der Molekulardynamik: nur eine unabhängige
MehrNewton-Verfahren zur optimalen Steuerung nichtlinearer elliptischer Randwertaufgaben
Newton-Verfahren zur optimalen Steuerung nichtlinearer elliptischer Randwertaufgaben Patrick Knapp Berichtseminar zur Bachelorarbeit Universität Konstanz 14.12.2010 Einleitung Aufgabenstellung min J(y,
MehrNumerische Methoden. Thomas Huckle Stefan Schneider. Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker.
Thomas Huckle Stefan Schneider Numerische Methoden Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker 2. Auflage Mit 103 Abbildungen und 9 Tabellen 4Q Springer Inhaltsverzeichnis
MehrMathematik und Computational Science in Regensburg
Mathematik und Computational Science in Regensburg Fakultät für Mathematik Oktober 2014 Wahlbereich Mathematik Pflichtveranstaltungen Analysis 1 Analysis 2 Analysis 3 (Maß- und Funktionentheorie) Lineare
MehrNumerische Verfahren zur Lösung der Monge-Ampère-Gleichung
Verfahren zur Lösung der Monge-Ampère-Gleichung Yasemin Hafizogullari Institut für Geometrie und Praktische Mathematik RWTH Aachen Seminar zu aktuellen Themen der Numerik im Wintersemester 2010/2011 1
MehrInhalt, Ablauf, Organisation, Prüfung,...
Inhalt, Ablauf, Organisation, Prüfung,... Vorlesung Einführung in das Wissenschaftliche Rechnen Sommersemester 2016 Einführung in das Wissenschaftliche Rechnen Sommersemester 2016, Simon Baumstark, Patrick
MehrMODELLBILDUNG. Modellierung und Simulation von Strömen
MODELLBILDUNG Modellierung und Simulation von Strömen Prof. Dr. Hans Babovsky Technische Universität Ilmenau, SS 2008 1 1 Konzept Wir wollen für ein Teilchensystem (Gasteilchen in der Luft, Rußteilchen
MehrDifferentialgleichungen
Differentialgleichungen Viele physikalische Probleme können mathematisch als gewöhnliche Differentialgleichungen formuliert werden nur eine unabhängige Variable (meist t), z.b. Bewegungsgleichungen: gleichmäßig
MehrÜbersicht über die mathematischen Module der Bachelor- und Masterstudiengänge Mathematik, Wirtschaftsmathematik und Technomathematik
Übersicht über die mathematischen Module der Bachelor- und Masterstudiengänge Mathematik, Wirtschaftsmathematik und Technomathematik Modul LP Prüfungsform 1 Pflichtmodule Bachelor Mathematik, Wirtschaftsmathematik
Mehr- 1 - angeführt. Die Beschleunigung ist die zweite Ableitung des Ortes x nach der Zeit, und das Gesetz lässt sich damit als 2.
- 1 - Gewöhnliche Differentialgleichungen Teil I: Überblick Ein großer Teil der Grundgesetze der Phsik ist in Form von Gleichungen formuliert, in denen Ableitungen phsikalischer Größen vorkommen. Als Beispiel
MehrModellierung und Simulation von Mischvorgängen in einem Rührer - Bachelorarbeit -
Modellierung und Simulation von Mischvorgängen in einem Rührer - Bachelorarbeit - Dies Mathematicus 211 25. November 211 Gliederung 1 Motivation: Mischvorgänge in einem Rührer 2 Mathematische Modellierung
MehrRauben Sie dem Tumor seine Energie zum Wachsen
Rauben Sie dem Tumor seine Energie zum Wachsen Woher nimmt ein Tumor die Kraft zum Wachsen? Tumorzellen benötigen wie andere Zellen gesunden Gewebes auch Nährstoffe und Sauerstoff, um wachsen zu können.
MehrFinite Element Approximation auf der Basis geometrischer Zellen
Finite Element Approximation auf der Basis geometrischer Zellen Peter Milbradt, Axel Schwöppe Institut für Bauinformatik, Universität Hannover Die Methode der Finiten Elemente ist ein numerisches Verfahren
MehrZeitstetige Markov-Prozesse: Einführung und Beispiele
Zeitstetige Markov-Prozesse: Einführung und Beispiele Simone Wielart 08.12.10 Inhalt Q-Matrizen und ihre Exponentiale Inhalt Q-Matrizen und ihre Exponentiale Zeitstetige stochastische Prozesse Inhalt Q-Matrizen
MehrEinige grundlegende partielle Differentialgleichungen
Einige grundlegende partielle Differentialgleichungen H. Abels 17. Oktober 2010 H. Abels (U Regensburg) Grundlegende PDGLn 17. Oktober 2010 1 / 14 Transportgleichung Eine der einfachsten Differentialgleichungen
MehrDas Geheimnis. der Kaffeetasse
Das Geheimnis der Kaffeetasse Uttendorf 2005 Lutz Justen Überblick Der Kaffeetasseneffekt was ist das? Einige (nicht-numerische!) Experimente Modellierung: Lineare Elastizitätsgleichung Numerik: FEM Testrechnungen
MehrDie Differentialgleichung :
Die Differentialgleichung : Erstellt von Judith Ackermann 1.) Definition, Zweck 1.1) verschiedene Arten von Differentialgleichungen 2.) Beispiele und Lösungswege 2.1) gewöhnliche Differentialgleichungen
MehrNumerische Verfahren zur Lösung der Monge-Ampère-Gleichung
für zur Lösung der Monge-Ampère-Gleichung Yasemin Hafizogullari Institut für Geometrie und Praktische Mathematik RWTH Aachen Vortrag zum Seminar im Wintersemester 2009/2010 Ein Transportproblem für? für
MehrReaktionskinetik. Maximilian Erlacher. Quelle: Mathematical Biology: I. An Introduction, Third Edition J.D. Murray Springer
Reaktionskinetik Maximilian Erlacher Quelle: Mathematical Biology: I. An Introduction, Third Edition J.D. Murray Springer Themen: 1 Basisenzymreaktion 2 Michaelis-Menten-Analyse 3 Selbstauslöschende Kinetik
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
MehrEinfuehrung. October 20, 2017
Einfuehrung October 20, 2017 1 Einführung 1.1 Organisatorisches Es wird jede Woche eine Übungsaufgabe in Form eines Jupyter-Notebooks ausgegeben. Diese kann von der Vorlesungsweibseite https://aam.uni-freiburg.de/agkr/lehre/ws17/pde0/
MehrBerechnungsmethoden der Energie- und Verfahrenstechnik
Institute of Fluid Dynamics Berechnungsmethoden der Energie- und Verfahrenstechnik Prof. Dr. Leonhard Kleiser c L. Kleiser, ETH Zürich Transition zur Turbulenz in einem drahlbehafteten Freistrahl. S. Müller,
Mehr(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)
33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen
Mehr1-, 2-, 3D-Modelle: Überblick, Vergleich und Anwendung
Fakultät Informatik > Angewandte Informatik > Technische Informationssysteme Studentischer Vortrag 1-, 2-, 3D-Modelle: Überblick, Vergleich und Anwendung Mai, Tuan Linh Dresden, 17.Jan.2011 Inhalt 1. Motivation
MehrMusterbildung in biologischen Systemen
Musterbildung in biologischen Systemen Praktikum: Nichtlineare Modellierung in den Naturwissenschaften Jan Hendrik Bongers, Fabian Eustermann Westfälische Wilhelms-Universität Münster 25. Juli 2013 J.
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrDiskrete und Kontinuierliche Modellierung
Diskrete und Kontinuierliche Modellierung Bei Modellen unterscheidet man unter anderem zwischen diskreten und kontinuierlichen Modellen. In diesem Artikel möchte ich den Unterschied zwischen beiden Arten
MehrSimulationstechnik V
Simulationstechnik V Vorlesung/Praktikum an der RWTH Aachen Numerische Simulation von Strömungsvorgängen B. Binninger Institut für Technische Verbrennung Templergraben 64 6. Teil Die Berechnung des Geschwindigkeitsfeldes
MehrOrthogonale Matrix. Definition 4.19
Orthogonale Matrix Ausgleichsprobleme sind häufig schlecht konditioniert. Matrix des Normalengleichungssystems kann nahezu singulär sein. Spezielle Matrixzerlegung für höhere numerische Stabilität: QR-Zerlegung
MehrFronten von Reaktions-Diffusions-Gleichungen
Technische Universität Berlin Fronten von Reaktions-Diffusions-Gleichungen Technische Universität Berlin Fakultät II - Mathematik und Naturwissenschaften Markus Osenberg Magnus Happach Inhalt Motivation
MehrDefinition, Simulation und Analyse eines Modells chemotaktischer Zellbewegung
Projektbericht Definition, Simulation und Analyse eines Modells chemotaktischer Zellbewegung Andreas Focks Universität Osnabrück 21. Oktober 2003 Inhaltsverzeichnis 1 Motivation 2 2 Definition des Modells
Mehr! Modellierung und Simulation 1 (SIM1)
! Modellierung und Simulation 1 (SIM1) 1. Veranstaltung: Einführung 18.10.16 Andreas Vogel andreas.vogel@gcsc.uni-frankfurt.de!!! Organisatorisches Modellierung und Simulation 1 (M-SIM1c; evtl. M-SIM1a,
MehrEinführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens
in einige Teilbereiche der für Studierende des Wirtschaftsingenieurwesens Sommersemester 2013 Hochschule Augsburg : Gliederung 1 Finanzmathematik 2 Lineare Programme 3 Differentialgleichungen 4 Statistik:
MehrNumerik Differential-Algebraischer Gleichungen Humboldt-Universität zu Berlin
Numerik Differential-Algebraischer Gleichungen Humboldt-Universität zu Berlin Caren Tischendorf Skript zur Vorlesung im SS 2016 Inhaltsverzeichnis 1 Einführung 3 1.1 Anwendungen...........................
MehrKopplung von Neuronen
Katharina Ritter, Friedrich Bach, Felix Tabbert, Walter Tewes, Matthias Walther 12.06.2012 Inhalt Einführung Lighthouse-Modell Numerische Ergebnisse Schlussbemerkungen Unterschiede zum 1 Neuronenmodell
MehrSelektions-Mutations-Modelle
Selektions-Mutations-Modelle Claudia Groÿmann January 16, 2012 Claudia Groÿmann () Selektions-Mutations-Modelle January 16, 2012 1 / 29 Inhaltsverzeichnis 1 Selektions-Mutations-Modelle 2 Mutation und
MehrBildverarbeitung: Diffusion Filters. D. Schlesinger ()Bildverarbeitung: Diffusion Filters 1 / 10
Bildverarbeitung: Diffusion Filters D. Schlesinger ()Bildverarbeitung: Diffusion Filters 1 / 10 Diffusion Idee Motiviert durch physikalische Prozesse Ausgleich der Konzentration eines Stoffes. Konzentration
MehrFinite Elemente Methoden (aus der Sicht des Mathematikers)
Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Übersicht: Partielle Differentialgleichungen, Approximation der Lösung, Finite Elemente, lineare und höhere Ansatzfunktionen, Dünn
MehrStudienverlaufspläne M.Sc. Computational Science. 19. Juli 2011
Studienverlaufspläne M.Sc. Computational Science 19. Juli 2011 1 Vertiefungsfach Wissenschaftliches Rechnen Specialization Scientific Computing Zusatzpraktikum Modellierung und Simulation I P2 4 Modellierung
Mehr2.1 Lineares Wachstum 2.2 Exponentielles Wachstum 2.3 Exponentiell beschränktes Wachstum 2.4 Logistisches Wachstum.
Wachstumsmodellierung: Theorie Marius Bockwinkel Gliederung 1 Definition 2 Wachstumsarten 2.1 Lineares Wachstum 2.2 Exponentielles Wachstum 2.3 Exponentiell beschränktes Wachstum 2.4 Logistisches Wachstum
MehrEinführung in CAE-Systeme
Einführung in CAE-Systeme Dipl.-Ing. Mark Müller 1 Inhalt 1. Motivation für CAE-Werkzeuge 2. Modellierung technischer Prozesse 3. Übersicht über CAE-Simulationssysteme Kommerzielle Programme Freeware 4.
Mehr1.2 Schwingungen von gekoppelten Pendeln
0 1. Schwingungen von gekoppelten Pendeln Aufgaben In diesem Experiment werden die Schwingungen von zwei Pendeln untersucht, die durch eine Feder miteinander gekoppelt sind. Für verschiedene Kopplungsstärken
MehrBayesianische Netzwerke - Lernen und Inferenz
Bayesianische Netzwerke - Lernen und Inferenz Manuela Hummel 9. Mai 2003 Gliederung 1. Allgemeines 2. Bayesianische Netzwerke zur Auswertung von Genexpressionsdaten 3. Automatische Modellselektion 4. Beispiel
Mehr8 Interpolation. 8.1 Problemstellung. Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen. x 0 < x 1 <... < x n.
8 Interpolation 81 Problemstellung Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen x 0 < x 1 < < x n Eingabedaten: (x 0, f 0 ),(x 1, f 1 ),,(x n, f n ) Gegebene Daten (x j, f j ) Analysis
Mehr5 Grundlagen der Differentialrechnung
VWA-Mathematik WS 2003/04 1 5 Grundlagen der Differentialrechnung 5.1 Abbildungen Unter einer Abbildung f, f:d W, y= f( ) von einer Menge D (Definitionsbereich) in eine Menge W (Wertemenge) versteht man
MehrComputational Biology: Bioelektromagnetismus und Biomechanik
Computational Biology: Bioelektromagnetismus und Biomechanik EKG-Simulation Universität Karlsruhe Gliederung Wiederholung Anatomische Modelle Physikalische Modelle EKG-Simulation Überblick Berechnung der
MehrSeminar Level Set Methoden
Seminar Level Set Methoden Geometric Flows and Variational Methods Michael Möller Institut für Numerische und Angewandte Mathematik Fachbereich Mathematik und Informatik WWU Münster SS 2007 1. Einführung
MehrSystemwissenschaften, Mathematik und Statistik
Systemwissenschaften, Mathematik und Statistik Systemwissenschaften: 1 WS: Systemwissenschaften 1, VO 2std 2 SS: Systemwissenschaften 2, VO 2std Übung zu Systemwissenschaften, UE 2std 3 WS: Systemwissenschaften
MehrMathematik und Nanotechnologie: Warum werden Computer immer kleiner?
1 Mathematik und Nanotechnologie: Warum werden Computer immer kleiner? Ansgar Jüngel Institut für Analysis und Scientific Computing www.juengel.at.vu (einige Bilder sind aus urheberrechtlichen Gründen
MehrLineare Iterationsverfahren: Definitionen
Lineare Iterationsverfahren: Definitionen 1. Ein Lösungsverfahren zur Berechnung von Ax = b heißt iterativ, falls ausgehend von einem Startwert x eine Folge x k von Iterierten bestimmt wird. 2. Ein Iterationsverfahren
MehrModellreduktion für Grundwasserströmungen
Eine Anwendung der Reduzierte-Basis-Methode für Finite Volumen Verfahren Institut für Numerische und Angewandte Mathematik Universität Münster 7. Februar 29 Gliederung Grundwasserströmungen Grundwasserströmungen
MehrExponentialfunktionen
Herr Kluge Mathematik Year 10 Exponentialfunktionen Ziel: Ich erkenne ein exponentielles Wachstum und kann es von einem linearen Wachstum unterscheiden. Ich weiß, wie man eine Gleichung zum exponentiellem
MehrÜbungen zu Meteorologische Modellierung Teil 'Grundlagen der Numerik'
Übungen zu Meteorologische Modellierung Teil 'Grundlagen der Numerik' 1. Diskretisierung in der Zeit: Die Evolutionsgleichung Kurzzusammenfassung Zur Erprobung der Verfahren zur zeitlichen Diskretisierung
MehrWas ist Biophysik? Mögliche Definition: Biophysik ist die Lehre von den physikalischen Gesetzmäßigkeiten, die den lebenden Systemen zu Grunde liegen.
Mögliche Definition: Was ist Biophysik? Biophysik ist die Lehre von den physikalischen Gesetzmäßigkeiten, die den lebenden Systemen zu Grunde liegen. Beispiele: Mechanische Eigenschaften von Biomaterialen
MehrAstrophysikalsiches Numerikum: Gewöhnliche Differentialgleichungen am Beispiel Weißer Zwerge
Astrophysikalsiches Numerikum: Gewöhnliche Differentialgleichungen am Beispiel Weißer Zwerge A. Schweitzer Wintersemester 2005/06 Links, Literatur und weitere Informationen Die Numerical Recepies sind
MehrBewertung Amerikanischer Optionen mit stochastischer Volatilität
Bewertung Amerikanischer Optionen mit stochastischer Volatilität Mathias Weigler Universität zu Köln 1. Mai 2014 Ziel dieses Vortrags: Modellierung und Einführung in die Theorie der Optionspreisbewertung
MehrNumerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrSimulation von Brownscher Dynamik und Assoziationsraten von PP-Komplexen. Alexander Baldauf Montag
Simulation von Brownscher Dynamik und Assoziationsraten von PP-Komplexen Alexander Baldauf Montag 25.04.2005 Motivation Typen von Interaktionen Verschiedene Methoden zur Vorhersage Wie kommen die beiden
MehrSimulationstechnik V
Simulationstechnik V Vorlesung/Praktikum an der RWTH Aachen Numerische Simulation von Strömungsvorgängen B. Binninger Institut für Technische Verbrennung Templergraben 64 6. Teil Die Berechnung des Geschwindigkeitsfeldes
MehrInhomogene lineare Differentialgleichung 1. Ordnung Variation der Konstanten
http://farm2.static.flickr.com/1126/1106887574_afb6b55b4e.jpg?v=0 Inhomogene lineare Differentialgleichung 1. Ordnung Variation der Konstanten 1-E Joseph Louis Lagrange (1736-1813), ein italienischer Mathematiker
MehrDas Nédélec-Element für H(curl)-elliptische Aufgaben
Technische Universität Chemnitz Fakultät für Mathematik Handout im Seminar Finite Elemente WS 2009/2010 Das Nédélec-Element für H(curl)-elliptische Aufgaben Judith Will 25. Januar 2010 Inhaltsverzeichnis
Mehr2.1 Importance sampling: Metropolis-Algorithmus
Kapitel 2 Simulationstechniken 2.1 Importance sampling: Metropolis-Algorithmus Eine zentrale Fragestellung in der statistischen Physik ist die Bestimmung von Erwartungswerten einer Observablen O in einem
MehrParallelrechnern. 12. März Technische Universität Chemnitz. Der Jacobi-Davidson Algorithmus auf. Parallelrechnern. Patrick Kürschner.
Technische Universität Chemnitz 12. März 2008 - sweise Gliederung - sweise - sweise Eigenwertprobleme Ziel: Lösung von Eigenwertproblemen Dabei: Ax = λx Matrix A C n n sehr groß, dünnbesetzt (sparse) Gesucht:
MehrMorphologische Filter
Morphologische Filter Industrielle Bildverarbeitung, Vorlesung No. 8 1 M. O. Franz 28.11.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 Morphologische
Mehr5. Gitter, Gradienten, Interpolation Gitter. (Rezk-Salama, o.j.)
5. Gitter, Gradienten, Interpolation 5.1. Gitter (Rezk-Salama, o.j.) Gitterklassifikation: (Bartz 2005) (Rezk-Salama, o.j.) (Bartz 2005) (Rezk-Salama, o.j.) Allgemeine Gitterstrukturen: (Rezk-Salama, o.j.)
MehrThema für eine Diplomarbeit Gemischte Finite-Elemente-Methoden für konvektionsdominante elliptische Randwertprobleme
Gemischte Finite-Elemente-Methoden für konvektionsdominante elliptische Randwertprobleme Ziel: Numerische Diskretisierung und Lösung des elliptischen Randwertproblems div(a(x) u) + b(x)u = f in Ω, u =
MehrMedizinische Biophysik. Stephan Scheidegger ZHAW School of Engineering
Medizinische Biophysik Stephan Scheidegger ZHAW School of Engineering Modelle in der medizinischen Biophysik Inhalt ROETGETECHIK Teil A Systembiophysik (Kapitel 1-4) Teil B Strahlenbiophysik (Kapitel 5-8)
MehrNumerische Verfahren zur Lösung der Monge-Ampère-Gleichung, Teil II
für zur Lösung der Monge-Ampère-Gleichung, Teil II Andreas Platen Institut für Geometrie und Praktische Mathematik RWTH Aachen Seminar zur Approximationstheorie im Wintersemester 2009/2010 1 / 27 Gliederung
MehrWie kommt der Vorhersagemeteorologe zu einer schlüssigen Wettervorhersage?
Mag. Thomas Turecek (ZAMG) Tel.: ++43 1 36026/2309 oder /2311 Fax: ++43 1 36026/73 Email: thomas.turecek@zamg.ac.at Internet: http://www.zamg.ac.at Wie kommt der Vorhersagemeteorologe zu einer schlüssigen
MehrLineare Gleichungssysteme Hierarchische Matrizen
Kompaktkurs Lineare Gleichungssysteme Hierarchische Matrizen M. Bebendorf, O. Steinbach O. Steinbach Lineare Gleichungssysteme SIMNET Kurs 24. 27.4.26 / 6 Numerische Simulation stationäre und instationäre
MehrChaos im getriebenen nicht-linearen Pendel
Chaos im getriebenen nicht-linearen Pendel Alle drei Ingredienzen: Nichtlinearität, Reibung, treibende Kraft 2 d θ g dθ = sinθ q + F sin 2 dt L dt ( t) D Ω D Das ist ein so genanntes physikalisches Pendel
MehrNumerische Simulation mit finiten Elementen. O. Rheinbach
Numerische Simulation mit finiten Elementen O. Rheinbach Numerische Simulation mit finiten Elementen INHALT 0.1 Finite Differenzen in 2D 1. Einleitung 1.1 Vorbemerkungen 1.2 Rand- und Anfangswertaufgaben
MehrDGEM Forschungsförderung Christoph Otto, Ulrike Kämmerer
DGEM Forschungsförderung 2010 Christoph Otto, Ulrike Kämmerer Frage Untersuchungen zu den Auswirkungen einer Ketogenen Diät auf den Stoffwechsel von Tumoren Beeinflussen Ketonkörper Wachstum und Stoffwechsel
MehrThematik der molekularen Zellbiologie Studienjahr 2004/05. I. Semester
Thematik der molekularen Zellbiologie Studienjahr 2004/05 (Abkürzungen: V. = 45 Min. Vorlesung, S. = 45 Min. Seminar, ds. = doppeltes, 2 x 45 Min. Seminar, Ü. = 90 Min. Übung) I. Semester 1. Woche: d 1.
MehrSimulation von Formgedächtnis Antrieben in der Robotik
Simulation von Formgedächtnis Antrieben in der Robotik Technische Universität München Simulation von Formgedächtnis-Legierungen Inhalt 1. Formgedächtnis - Effekte 2. Modellgleichungen 3. Numerisches Vorgehen
MehrNebenfach Mathematik im Informatik-Studium. Martin Gugat FAU: Friedrich-Alexander-Universität Erlangen-Nürnberg 26.
Nebenfach Mathematik im Informatik-Studium Martin Gugat martin.gugat@fau.de FAU: Friedrich-Alexander-Universität Erlangen-Nürnberg 26. Oktober 2016 Motivation Die rigorose Analyse von Algorithmen erfordert
MehrAtomistische Modellierung
Atomistische Modellierung Heptan Feuer (Sandia) Gerolf Ziegenhain TU Kaiserslautern Übersicht Kurzer Abriß der Geschichte Warum Computersimulationen? Beispiele: Verschiedene Längenskalen Genauer: Molekulardynamik
MehrSynthetische Muster für lokale Suchalgorithmen
Medizin Michael Dienst Synthetische Muster für lokale Suchalgorithmen Wissenschaftlicher Aufsatz Synthetische Muster für lokale Suchalgorithmen Beuth-Hochschule für Technik FB VIII Maschinenbau, Umwelt-
Mehr