Digitale Pathologie & Spatial Biology
Beschreibung:
Bildanalyse KI zur Interpretation/Auswertung von digitalisierten Gewebeschnitten oder zytologischen Proben
Einsatzbereich:
Life Science Forschung, Diagnostik, Biomarker Discovery, ...
Technologie:
Segmentierung, Klassifikation, Foundation Models, Few Shot Learning
Funktionsweise & Implementierung:
Wir entwickeln Modelle im Kontext von FuE Aufträgen und Forschungsprojekten sowie als Erweiterung unserer MIKAIA Bildanalyse Software (www.mikaia.ai), die von Partnern an Life Science Forschende weltweit vertrieben wird.
Herausforderungen & Bewältigung dieser:
Analyse riesiger Bilder langsam. Lösung: Optimierung der Modelle spezifisch für die vorhandene GPU. Kachelweise Verarbeitung. Vor- und Nachverarbeitung mit CPU parallel zur KI auf der GPU.
viele Daten benötigt. Lösung: Einsatz von Few Shot Learning und/oder Foundation Models.
heterogene Daten im Feld. Lösung: starke Augmentierung beim Training
Erstellung Trainings-Datenbank aufwendig. Lösung: Bootstrapping. Mit kleiner DB starten, 1. Modell trainieren, dies nutzen für Vorhersagen und diese manuell korrigieren. Anschließend 2. Modell trainieren, usw.
Entwicklung muss meist schnell gehen. Lösung: zurückgreifen auf existierende KI Modelle aus der Literatur, die sich in ähnlichen Anwendungsfällen bewiesen haben. Anpassen oder Re-training dieser Modelle auf aktuellen Use Case.