Fraunhofer IPT Automatisierte Analyse von Zellkulturen

Autor: Julia Mutzbauer

Die Analyse biomedizinischer Bilddaten ist nicht nur personalintensiv und kostspielig, sondern auch fehleranfällig. Durch maschinelles Lernen lassen sich Bilder zwar hardwareunabhängig auswerten, aber die Auswahl und die Konfiguration eines geeigneten Deep-Learning-Modells ist aufwendig. Deshalb will das Fraunhofer-Institut für Produktionstechnologie (IPT) ein Software-Tool entwickeln, das dabei helfen soll.

Firma zum Thema

Nachdem die Zellen unter dem Mikroskop aufgenommen wurden, soll das Software-Tool AIxCell diese klassifizieren und einen passendenden Deep-Learning-Algorithmus auswählen
Nachdem die Zellen unter dem Mikroskop aufgenommen wurden, soll das Software-Tool AIxCell diese klassifizieren und einen passendenden Deep-Learning-Algorithmus auswählen
(© Fraunhofer IPT)

„Die Anwendung von Deep-Learning-Modellen (DL) zur automatisierten Zellklassifizierung erfordert Expertise im Bereich des maschinellen Lernens (ML). Die Mehrheit der biologischen Fachkräfte verfügt jedoch weder über dieses sehr spezielle Fachwissen, noch über die Zeit, um diese Aufgabe zu bewältigen“, erklärt das Fraunhofer IPT. Eine neu entwickelte Software soll dafür eine Lösung bieten: „AIxCell“ soll die biologischen Daten automatisiert vorverarbeiten und den jeweils bestgeeigneten DL-Algorithmus vorschlagen.

„Für die Auswahl des passenden Algorithmus müssen lediglich gekennzeichnete Bilder der Zellekultur sowie weitere Informationen über Anwendungsfall, Anforderungen und Grenzwerte in die Software hochgeladen werden“, heißt es bei den Produktionstechnikern in Aachen. Das Programm verarbeite die Daten, wähle einen geeigneten Algorithmus und eine passende Konfiguration aus und stelle das ausgewertete Bildmaterial der biologischen Fachkraft zur Verfügung. Bei Bedarf könnten Anwender auch noch zusätzliche Informationen über den Auswahlprozess der Software abrufen.

Die Auswahl des Algorithmus und einer passenden Konfiguration erfolgt durch sogenanntes Meta-Learning, indem historische Daten und Ergebnisse als Trainingsdaten verwendet werden. Dabei werden Zusammenhänge zwischen den Eingangsdaten der Fachkraft und der Ergebnisse unterschiedlich konfigurierter DL-Algorithmen ermittelt. Auf Basis der Ergebnisse wird dann ein dazu passendes DL-Modell ausgewählt. Die am besten geeigneten DL-Algorithmen lassen sich in einer DL-Bibliothek speichern und können als Prototypen für nachfolgende Projekte genutzt werden.

„Mit dem neuen Software-Tool AIxCell wird jede biologische Fachkraft dazu befähigt, DL-Modelle für die schnelle und objektive Auswertung von Mikroskopiedaten zu nutzen und so neue Zusammenhänge in der Biologie zu entdecken“, erläutert Bastian Nießing, Leiter der Gruppe Automatisierung in den Lebenswissenschaften am Fraunhofer IPT.

Das Projektkonsortium:

  • Fraunhofer-Institut für Produktionstechnologie IPT, Aachen
  • ALS Automated Lab Solutions, Jena
  • Bayer AG, Leverkusen
  • CellmatiQ, Hamburg
  • IconPro, Aachen
  • Labforward, Berlin
  • MABRI.VISION, Aachen
  • MINDPEAK, Hamburg
  • Olympus Soft Imaging Solutions, Hamburg
  • ORACLE Deutschland, München
  • PicoQuant GmbH, Berlin
  • Ruhruniversität Bochum
  • Stammzellnetzwerk NRW, Düsseldorf
  • Taorad, Aachen
  • Uniklinik Köln
  • Uniklinik RWTH Aachen
  • Universitätsklinikum Bonn
  • Universitätsmedizin Göttingen

(ID:47013263)

Über den Autor

 Julia Mutzbauer

Julia Mutzbauer

Redaktion, eGovernment Computing