Fraunhofer IPT und Partner entwickeln Software zur automatisierten Analyse von Zellkulturen

Pressemitteilung /

Die Analyse biomedizinischer Bilddaten durch Fachkräfte, zum Beispiel in der Zellmikroskopie ist nicht nur personalintensiv und kostspielig, sondern auch fehleranfällig. Durch maschinelles Lernen, sogenanntes Deep Learning, lassen sich Bilder zwar hardwareunabhängig auswerten, aber die Auswahl und die Konfiguration eines geeigneten Deep-Learning-Modells ist aufwändig. Das Fraunhofer IPT entwickelt jetzt gemeinsam mit Partnern ein Softwaretool, das verschiedene Bilddaten automatisiert vorverarbeitet, sodass biologische Fachkräfte ein geeignetes Modell direkt auswählen und nutzen können.

© Fraunhofer IPT
Die Zellen werden unter dem Mikroskop aufgenommen. Das Softwaretool AIxCell klassifiziert die Zellen und sucht einen passendenden Deep-Learning-Algorithmus aus.
AiXCell Folie
© Fraunhofer IPT

Die Anwendung von Deep-Learning-Modellen (DL) zur automatisierten Zellklassifizierung erfordert Expertise im Bereich des maschinellen Lernens (Machine Learning, kurz: ML). Die Mehrheit der biologischen Fachkräfte verfügt jedoch weder über dieses sehr spezielle Fachwissen, noch über die Zeit, um diese Aufgabe zu bewältigen. Eine Lösung soll das Software-Tool »AIxCell« bieten, das die biologischen Daten automatisiert vorverarbeitet und den jeweils bestgeeigneten DL-Algorithmus vorschlägt. 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. Das Programm verarbeitet die Daten, wählt einen geeigneten Algorithmus und eine passende Konfiguration aus und stellt das ausgewertete Bildmaterial der biologischen Fachkraft zur Verfügung. Bei Bedarf können Anwender auch noch zusätzliche Informationen über den Auswahlprozess der Software abrufen.

Die Auswahl eines passenden Algorithmus

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 Softwaretool 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 IGF-Vorhaben »AIxCell« (Fördernummer: 21361 N) der Forschungsvereinigung Feinmechanik, Optik und Medizintechnik wird über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie gefördert.

Projektkonsortium

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