AI at the edge – Zellen zählen

AI

SCS entwickelte einen Deep Learning Algorithmus, welcher im Mikroskopiesystem die Anzahl der Zellen auf einem Bild bestimmt. Die AI wurde dabei für den Einsatz "at the edge" angepasst - das neuronale Netz wurde so optimiert, dass es auch auf einem leistungsschwachen PC laufen kann.

  • Problemstellung

    Für viele Anwendungen in der Biologie, Biotechnologie und Pharmatechnologie werden die Entwicklung und das Wachstum von Zellen überwacht. Diese kann zum Beispiel aufgrund verschiedener getesteter Stoffe unterschiedlich ablaufen. Bisher werden die Zellen auf den entsprechenden Mikroskopiebildern zeitaufwändig manuell gezählt

  • Lösung SCS

    SCS erstellte einen Algorithmus auf Basis von Deep Learning, der im Mikroskopiesystem automatisch die Anzahl der Zellen auf einem Bild bestimmt. Der Algorithmus wurde speziell für den Einsatz auf leistungsschwachen Computern angepasst.

  • Mehrwert

    Der Kunde kann den Wissenschaftlern ein weiteres Feature anbieten, welches deren Zeitaufwand für Forschung und Entwicklung bei gleicher Qualität um viele Stunden reduziert und keine neuen Anschaffungen erfordert.

Projekteinblicke

Das neuartige zenCell Owl bietet dem Kunden ein leichtes und stapelbares Mikroskopiesystem für den Inkubator. Mit dessen Hilfe kann das Wachstum von Zellen in 24 verschiedenen Proben gleichzeitig überwacht werden. Die Überwachung sowie die Auswertung der Daten erfolgen dabei bequem am PC. Sowohl der Grad der Bedeckung als auch die Anzahl der Zellen können von der Software automatisch ermittelt werden. Die Entwicklung des Zellzählalgorithmus hat dabei aber besondere Rahmenbedingungen.

Überblick über die 24 Mikroskope des zenCell Owl (Quelle: zenCell Owl)
Überblick über die 24 Mikroskope des zenCell Owl (Quelle: zenCell Owl)
Beispiel eines Mikroskopiebildes mit Zellen (Quelle: zenCell Owl)
Beispiel eines Mikroskopiebildes mit Zellen (Quelle: zenCell Owl)

Einerseits verspricht das Feld des Machine Learnings grosse Erfolge auf dem Gebiet der automatischen Bildverarbeitung. Auch im Falle der Erkennung, der Segmentierung und dem Zählen von Zellen sind schon Fortschritte erzielt worden. Diese sollten für das System genutzt werden.
Der typische PC in einem Lab ist allerdings nicht besonders leistungsfähig. Trotzdem werden von dem Algorithmus schnelle und zuverlässige Resultate erwartet.

Markierung von durch den Algorithmus gefundenen Zellen
Markierung von durch den Algorithmus gefundenen Zellen
Beispielsegmentierung von Zellen in verschiedenen Stadien
Beispielsegmentierung von Zellen in verschiedenen Stadien

Um dieses Problem zu lösen, hat SCS zunächst einen Algorithmus mit schneller Hardware trainiert, der die Zellen zuverlässig segmentiert. Dieser diente dann als Referenz für eine ressourcenschonende Variante, die trotzdem vergleichbar gute Resultate liefert. Dabei wurden nach und nach verschiedene Einschnitte vorgenommen und jeweils auf ihre Auswirkungen bezüglich Genauigkeit und Geschwindigkeit der Analyse beurteilt.
Diese Lösung hat sich als verlässlicher Ansatz für derartige Probleme erwiesen.

Darstellung der Entwicklung der Anzahl Zellen über die Zeit in der Software (Quelle: zenCell Owl)
Darstellung der Entwicklung der Anzahl Zellen über die Zeit in der Software (Quelle: zenCell Owl)

Verwandte Projekte

Cloud-Plattform für medizinische Messdaten

Die Spirometrie-Geräte der ndd Medizintechnik AG tragen wesentlich zur Früherkennung von Lungenkrankheiten bei. Deren Messdaten werden immer ... mehr erfahren

Predictive Alarm Detection

SBB ZKE misst auf der freien Strecke die Lager- und Radtemperaturen der vorbeifahrenden Züge. SCS hat ein KI Modell trainiert, welches angezogene ... mehr erfahren

Blockchain und Trusted Execution schaffen Vertrauen

SCS kombinierte die Blockchain Technologie mit Trusted Execution Environments. Das führt zu Vertraulichkeit, Auditierbarkeit und Transparenz beim ... mehr erfahren

KI erkennt Hüftfehl­stellungen

Eine Hüftfehlstellung bei Neugeborenen kann viele Operationen nötig machen. SCS hat eine KI entwickelt, welche solche Fehlstellungen ... mehr erfahren

Erkennung Radfehler mit smarter Algorithmik

Radfehler führen zu hoher Beanspruchung der Bahn-Infrastruktur und erzeugen Lärm. SCS hat Algorithmen zum Erkennen von Radfehlern entwickelt. Somit ... mehr erfahren
Alle Projekte anzeigen
Dr. Christof Bühler Life Science & Physics Wie kann ich Ihnen weiterhelfen?