Meine Merkliste
my.bionity.com  
Login  

„Deep Learning“ und KI in der Mikroskopie: markierungsfreie Zellkern-Detektion in Mikrotiterplatten

Wie neue KI-Ansätze Fluoreszenzmarker im Lebendzell-Imaging ganz oder teilweise ersetzen können

Dr. Mike Woerdemann, Olympus

Die Mikroskopie lebender Zellen ohne Einsatz von Fluoreszenzmarkern hat in letzter Zeit durch signifikante Verbesserungen bei der Bildanalyse mittels maschineller Lernverfahren einen erheblichen Bedeutungszuwachs erfahren. Ansätze auf Basis des „Deep Learning“ – einer Methode der Informationsverarbeitung, die auf neuronalen Netzen und großen Datenmengen basiert – ebnen neue Wege zu den Informationen, die in Fotos von Lichtmikroskopen enthalten sind:

  • Diese Ansätze haben das Potenzial, Fluoreszenzmarker zu ersetzen, die bisher zur Färbung von Strukturen wie Zellen oder Kompartimente verwendet werden.
  • Sie eignen sich besser, um die Schwierigkeiten zu meistern, die in der Analyse per Durchlichtmikroskopie auftreten, wie niedriger Kontrast, Staub, Fehlerstellen, Partikel, Kondensationsartefakte usw.
Das Whitepaper erläutert, wie Deep Learning-Technologie, neuronale Netze und Referenzdaten die Tür zu markierungsfreien Analysen öffnen. Der Ansatz wird am Beispiel eines typischen Falls aufgezeigt: einer komplett gefüllten 96-Well-Platte mit unterschiedlichen Puffer-Füllständen, Kondensationseffekten, meniskusbedingten Bildartefakten usw. Die Anwendung wird von den Referenzdaten, um die Basis für eine markierungsfreie Segmentierung zu ermitteln, bis zur Ermittlung und Validierung der Ergebnisse beschrieben. Der selbstlernende Mikroskopie-Ansatz erfordert keine manuellen Annotationen. Die vollautomatische Datengenerierung ermöglicht eine robuste Segmentierung von Zellkernen, und zwar mit höherer Genauigkeit als über Messungen auf Fluoreszenzbasis.

Der Künstliche-Intelligenz-basierte Ansatz von Olympus bringt erhebliche Vorteile für viele Arbeitsabläufe in der Lebendzell-Analyse. Neben der höheren Genauigkeit erlauben es die Hellfeldaufnahmen ohne genetische Modifikationen und Zellkern-Marker auszukommen. Das spart nicht nur Zeit bei der Probenvorbereitung, sondern stellt auch den Fluoreszenzkanal für andere Marker zur Verfügung. Darüber hinaus sind die Objekte bei den Durchlichtaufnahmen kürzer dem Licht ausgesetzt, was die Phototoxizität mindert und weitere Zeit beim Imaging spart.

Fakten, Hintergründe, Dossiers
  • Zellkultur-Überwachung
  • Zellkulturoptimierung
  • Zellkern
  • Fluoreszenzmarker
  • Deep Learning
  • Deep-Learning-Software
  • künstliche Intelligenz
  • Neuronale Netze
  • neuronale Netzwerke
  • künstliche neuronal…
Mehr über Olympus
Ihr Bowser ist nicht aktuell. Microsoft Internet Explorer 6.0 unterstützt einige Funktionen auf Chemie.DE nicht.