Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
Labor 4 0 | Mikroskopie 32 www labo de 9 2022 Der Einsatz von Mikroskopen in Laboren zur Analyse von beispielsweise Zellkulturen und Gewebeschnitten ist gängige Praxis Biologische Experten werten dabei Bilder aus um Rückschlüsse auf die zu untersuchende Probe zu erhalten Vielfach erfolgt diese Arbeit manuell und ist in starkem Maße abhängig von der Erfahrung und dem Wissen der Mikroskopierenden Teilweise kann dabei bereits auf Software zurückgegriffen werden die die Analyse vereinfacht Dies können Bildverarbeitungsprogramme sein die für eine be stimmte Aufgabe beispielsweise eine Zellzählung programmiert wurden und diese unter bestimmten Aufnahmebedingungen lösen können Mit gezieltem Einsatz von maschinellen Lern algorithmen können eine Vielzahl von zeitauf wendigen Auswertungen automatisiert und ob jektiviert werden Die am Fraunhofer IPT in Aachen entwickelte Software zur Automatisierung der DeepLearningbasierten Zellkulturanalyse kurz AIxCell können auch Anwender aus Biologie und Medizin nutzen die keine Kenntnisse zum ma schinellen Lernen besitzen Ausgangspunkt des überwachten maschinellen Lernens ist die Erzeu gung der Trainingsinhalte anhand der vom Biolo gen genau beschriebenen Beispiele – man spricht hier von Annotation Mit diesen wird dann ein künstliches neuronales Netz trainiert Das neu ronale Netz lernt Muster in diesen Trainingsdaten zu erkennen mit dem Ziel diese Muster auch in neuen und nichtannotierten Bildern wiederzu finden Anhand dieser Muster den extrahierten Intuitive Auswertung von Mikroskopiebildern Automatisiertes maschinelles Lernen Bild 1 Die Algorithmen werden anwendungsfallspezifisch und automatisch ausgewählt und konfiguriert der Anwender erhält dann das trainierte AIxCellModell Damit kann er dann Mikroskopiebilder biologischer Proben mit Hilfe von maschinellem Lernen zu analysieren Dabei lädt der biologische Experte Bilder in eine Weboberfläche 1 und annotiert bzw bewertet diese initial Alle nachfolgenden Schritte erfolgen voll automatisch AIxCell wählt anhand der zur Verfügung stehenden Information die beste Pipeline aus 2 Eine allgemeine DLBibliothek DL Deep Learning führt diese Pipeline aus 3 und stellt dem Nutzer die Ergebnisse im UserInterface zur Verfügung Bild Fraunhofer IPT