Künstliche Neuronen zählen Zellen

Künstliche Intelligenz (KI), maschinelles Lernen (ML) und tiefe Neuronale Netze (DNN) sind mächtige Werkzeuge die wir immer öfter erfolgreich in Kundenprojekten anwenden. Dank enormen Fortschritten in der Computertechnik, Algorithmen und grossen Datenmengen liefern diese Ansätze überzeugende Resultate – insb. im Bereich Bild- und Sprachverarbeitung.

In der Biotechnologie/Pharmazie werden oft Bild­erfassungssysteme eingesetzt. Für das neustes Produkt „zenCELL owl“ der Firma InnoME GmbH (www.innome.org), ein digitales Mehrkamera-Mikroskop, übernehmen künstliche Neuronen das Zählen von lebenden Zellen!

Digitales Mehrkamera-Mikroskop „zenCELL owl“

In enger Zusammenarbeit haben wir für InnoME eine automatisierte PC-basierte Bildverarbeitungssoftware entwickelt, die für jedes aufgenommene Kamerabild die vorhandenen Zellen detektiert, zählt und diese Informationen (fast) in Echtzeit nachfolgenden Verarbeitungsstufen zur Verfügung stellt.

Der entwickelte Zellzählalgorithmus beruht auf einem Neuronalen Netz vom Typ CNN (Convolutional Neural Net). Das Netz wurde mit umfangreichen Lerndaten trainiert: ca. 8‘000 Umrissmarkierte (gelabelte) Fibroblast-Zellen  (L929) in drei unterschiedlichen Zellstadien: lebend, gestorben und mutierend. Letztere wird aktuell noch weggelassen, da naturgemäss noch zu wenige Trainingsdaten vorliegen.

 

Links: Ground Truth – Manuel markierte L929 Zellen: rot=lebend, blau=gestorben, grün=mutiert

Rechts: Typisches Beispiel segmentierter und gezählten L929 Zellen – rot=lebend, blau=gestorben

Generell lassen sich in Zukunft andere Zelltypen – mit entsprechend erweiterten Trainingsdaten – leicht in das bestehende System integrieren. Die erreichte Zählgenauigkeit ist besser als 95%. Die Verarbeitungsgeschwindigkeit ist » 6 s pro Bild auf einem Standard PC.

Wir sind stolz darauf, dass InnoME GmbH unseren entwickelten Zellzählalgorithmus in ihrem neusten Produkt integriert hat und – nach ausgiebigen Tests – in der ganzen Welt zum Einsatz kommt.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.