Unter dem Moto «Transforming Health with AI» hat diese Woche hat das Deep Learning Zürich Meetup in der SCS stattgefunden. Etwa 70 Gäste folgten dabei den Einblicken, die Pascal Kaiser, Supercomputing Systems AG in die AI-unterstützer Diagnostik in der Ophthalmologie eröffnete und Dr. Matteo Manica, IBM Research (Zürich), der über die AI-unterstützte Suche von pharmazeutischen Wirkstoffen referierte.

Pascal Kaiser referiert über die AI-unterstütze Diagnostik in der Ophthalmologie

 

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.

Das Paul Scherrer Institut (PSI) behandelt seit den 1980er Jahren erfolgreich Krebs-Patienten mit Protonenstrahlen. Die Anlage wurde nun durch einen weiteren Behandlungsplatz basierend auf einer Gantry Maschine eines Drittlieferanten ergänzt. Dabei stellte sich die Herausforderung, die Sicherheitssysteme (safety systems) der bestehenden mit der neuen Anlage zu integrieren. Die diversen Interface-Standards dieser komplexen Systeme mussten miteinander in Einklang gebracht werden.

Die gewählte Lösung besteht aus einem neuartigen verteilten IO-System, welches auf FPGA-Technologie beruht. Damit liessen sich die verschiedenen Schnittstellen und Hochgeschwindigkeits-Datenlinks miteinander verbinden und so eine robuste Sicherheitsarchitektur umsetzen.

Die Firma Supercomputing Systems unterstützte das PSI in diesem Projekt mit der Entwicklung einer umfassenden und vom PSI erweiterbaren FPGA-Plattform mit allen notwendigen Schnittstellen und Datenkanälen.

Die folgenden zwei Bilder zeigen den Behandlungsraum während der Installation der Anlage:

Eine Übersicht über die Anlage zur Protonenstrahtherapie mit dem Cyclotron zur Beschleunigung der Protonen sowie den Strahlführungen zu den Behandlungsplätzen:

Die von SCS entwickelte Hardware zur Integration der Sicherheitssysteme der beiden Anlagetypen:

 

Die Hamburger GLP Systems GmbH ist ein innovativer Spezialist im Bereich Informations- und Automationssysteme für klinische Laboratorien. GLP Systems hat mit einem neuen Ansatz die Probenförderung revolutioniert: Einer Carrera Bahn gleich werden Probegefässe einzeln mit intelligenten CARs auf einfachen Fahrspuren durch die Labor- und Kühlräume transportiert. Weltweit sind bereits eine Vielzahl solcher Systeme im Einsatz, so auch im Zentrum für Labormedizin am Inselspital Bern.

Bild 1: Der Pool leerer CARs ermöglicht eine effiziente automatische Befüllung auf der rechten Fahrspur. Im Tube Assessment Center (TAC), rechts hinten im Bild, werden die Probegefässe bei ihrer Durchfahrt mit dem rein optischen SCS Computer Vision System zuverlässig klassifiziert und treten im Anschluss ihren individuellen Weg durch das Labor an.
Quelle: Zentrum für Labormedizin – Inselspital Bern

Fehlerhafte Analyseaufträge werden dank der SCS Computer Vision Lösung vermieden: Die Probegefässe werden anhand ihrer Form und Farbe rein optisch klassifiziert. In der Praxis ist die weltweite Vielfalt der Gefässtypen eine Herausforderung, da sich ihre Merkmale oft nur geringfügig unterscheiden. Dank einer statistischen Auswertung können Gefässe trotz Variationen in den Produktionschargen zuverlässig erkannt werden. Verwechslungen werden vermieden, indem das System CARs mit unsicherer Klassifizierung automatisch ausschleust. In diesen zum Glück seltenen Fällen prüft der Mensch als zuverlässigste Instanz die Proben manuell nach und sorgt damit für die unerlässliche Sicherheit.

SCS Service Tool
Bild 2: Das SCS Service Tool ermöglicht als stand-alone Applikation eine detaillierte Zustandsanalyse. Dank Rapid Prototyping mit MATLAB war die agile Entwicklung kosteneffizient und schnell einsatzfähig.

Ein Servicetechniker kann dank des SCS Service Tools rasch Ursachen von Unsicherheiten aufdecken: Es analysiert und visualisiert Diagnosebilder zusammen mit weiteren Daten der TAC. Bei Bedarf können einfach neue Bildserien erstellt und damit der Daten-Pool für das Machine Learning kontinuierlich erweitert werden. Neue Gefässtypen lassen sich auf diese Weise einfach einlernen. Zudem können Variationen bekannter Gefässtypen immer besser verstanden und die Erkennungsrate so laufend optimiert werden.

Bild 3: Dank Schwarmintelligenz fahren die CARs autonom durch die verschiedenen Module (TAC, Zentrifugen, Kappen-Entferner, Analysegeräte,…). Das ermöglicht eine individuelle und damit kostengünstige Analyse der Blutproben ganz im Sinne der Industrie 4.0 Idee.
Quelle: Zentrum für Labormedizin – Inselspital Bern

Gegenüber der klassischen Strahlentherapie mit Röntgenstrahlung erlaubt die Protonentherapie eine noch präzisere Lokalisierung der Dosis und damit eine hohe therapeutische Effizienz bei geringen Nebenwirkungen. Damit ist sie von höchster Bedeutung für die Behandlung von Tumoren in unmittelbarer Nähe von wichtigen Organen, so etwa im Kopfbereich.

Im November 2013 hat die Gantry 2 am PSI den klinischen Patientenbetrieb aufgenommen. Das dabei eingesetzte, sehr schnelle, intensitätsmodulierte 3D-Scanning-Verfahren ist weltweit einmalig. Wir gratulieren dem PSI zu diesem grossen Erfolg!

Die Strahlsteuerung und die kontinuierliche Überwachung der Strahlparameter arbeiten mit einem Systemtakt von 10 us und garantieren so die hoch präzise und sichere Bestrahlung. Es freut uns sehr, dass dieses innovative System – zu welchem SCS in einem gemeinsamen Projekt zentrale Beiträge leisten konnte – nun im klinischen Betrieb zur Heilung von Patienten dient.

Picture1

Aufbau der Gantry 2 am PSI in einem frühen Stadium.

 

Web-Links:

http://p-therapie.web.psi.ch/gantry2.html

https://erice2011.na.infn.it/TalkContributions/Meer.pdf

 

Graphikprozessoren (GPUs) bieten höhere Performanz bei tieferen Kosten und tieferem Energieverbrauch als klassische Prozessoren (CPUs). Ein Konsortium um das Swiss National Supercomputing Centre (CSCS) in Lugano, das Bundesamt für Meteorologie und Klimatologie MeteoSchweiz, das Centre for Climate Systems Modeling (C2SM) an der ETH und weitere Partner hat die Grundlagen geschaffen, dass diese Vorteile bei der Erzeugung von Wettervorhersagen und Klimasimulationen genutzt werden können.

Der immense Markt für Computerspiele und die dazu verwendeten Spielkonsolen hat die Entwicklung der Graphikprozessoren rasend vorangetrieben. Anstatt 2 oder 4 Rechenkerne (Cores) wie in typischen Desktop-Prozessoren sind in einem modernen Graphikchip bis zu 2496  energieeffiziente Rechenkerne vorhanden. Seit Jahren wird daran gearbeitet, diese Rechenleistung auch für wissenschaftlich-technische Anwendungen zu nutzen. Dabei sind folgende Hürden zu nehmen:

  • Um die geforderte Systemleistung zu erreichen sind viele dieser Graphikprozessoren notwendig. Wie in einem klassischen Supercomputer oder Cluster müssen diese in dicht gepackten Rack-Systemen angeordnet werden, eng miteinander gekoppelt sein und eine sehr hohe Verfügbarkeit aufweisen. Durch die neu auf den Markt gebrachten Supercomputer mit GPUs ist diese Hürde genommen. Das CSCS hat als einer der allerersten Besteller eines solchen Systems dessen Design und Entwicklung massgeblich beeinflusst. Mit der Inbetriebnahme der ‚Piz Daint‘ getauften Maschine am CSCS steht nun der schnellste Rechner Europas in der Schweiz.
  • Die leistungsstarken GPUs werden immer gemeinsam mit universell einsetzbaren CPUs verwendet. Diese Kombination von verschiedenen Prozessortypen wird als ‚hybrid Computing‘ bezeichnet und erfordert Anpassungen an der Software, so dass die verschiedenen Verarbeitungsschritte jeweils auf dem am besten geeigneten Prozessor (GPU oder CPU) berechnet werden können. Aufgrund ihres Aufbaus aus sehr vielen kleinen Prozessoren können GPUs nur gut ausgelastet werden, wenn tausende von Aufgaben (‘Threads‘) gleichzeitig ausgeführt werden. Die Aufteilung einer Rechenaufgabe auf sehr viele voneinander unabhängige Teilaufgaben (Parallelisierung) erfordert jedoch eine aufwändige Überarbeitung des Codes und kann dessen Komplexität massiv erhöhen. Mit der erfolgreichen Portierung des Wettermodelles ‚COSMO‘ hat das Konsortium den Weg zur Wettervorhersage auf hybriden Computern erstmals ermöglicht. Die von SCS entwickelte ‚Domain Specific Language (DSL)‘ erlaubt den Wetterforschern, ihre physikalischen Modelle sehr direkt zu formulieren, ohne die Architektur des verwendeten Prozessors berücksichtigen zu müssen. Bei der automatischen Übersetzung dieses Codes durch unser Back-End wird in der Folge hoch effizienter Code für CPU und GPU erzeugt.

Dank den oben genannten Fortschritten kann die Wettervorhersage im sehr anspruchsvollen, kleinräumigen Gelände der Schweiz in Zukunft noch genauer berechnet werden und Ausnahmeereignisse wie starke Gewitter werden besser voraussagbar.

 

https://www.cscs.ch/science/computer-science-hpc/2013/this-decision-is-a-huge-success-for-the-hp2c-projects/

https://www.cscs.ch/publications/news/2013/promising-hybrid-computer-architecture-at-cscs/