Die Implementierung der TruAI Deep-Learning-Technologie ermöglicht die weitere Automatisierung des SLIDEVIEW VS200 Objektträgerscanners, so dass die Bilderfassung effizienter und mit deutlich weniger Aufwand erfolgt. Durch die mit der Version 3.4 der VS200 Betriebssoftware verfügbare TruAI Erkennung wird die Genauigkeit der Probenerkennung mit einem Klick verbessert.

Höhere Genauigkeit bei der automatisierten Probenerkennung

Die Algorithmen herkömmlicher Scan-Systeme, die die Probenmaske berechnen, liefern gute Ergebnisse bei kontrastreichen und stark gefärbten Proben. Die Ergebnisse bei schwierigen Präparaten, beispielsweise bei nicht oder nur schwach gefärbten Proben, sind jedoch häufig ungenau. Biologische Präparate auf Objektträgern weisen naturgemäß eine gewisse Variabilität auf (z. B. unterschiedliche Farbintensität), die sich auch auf das Ergebnis der automatischen Probenerkennung auswirken kann.

In diesem Video sehen Sie den Unterschied zwischen allgemeiner automatischer Erkennung und KI-basierter Erkennung:

Mit einem richtig trainierten neuronalen Netz (NN) generiert die TruAI Deep-Learning-Technologie Probenmasken mit hoher Genauigkeit, so dass manuelle Anpassungen vor der Bildaufnahme völlig überflüssig werden. Durch das Training des NN können selbst schwierige Proben und schwer zu erkennende Objekte erkannt werden. Im TruAI-Modus lassen sich sogar Teilbereiche der Probe auf der Grundlage des morphologischen Erscheinungsbildes selektiv scannen.

Erfahren Sie, wie die KI-gesteuerte Probenerkennung die Genauigkeit erhöhen und Ihren Arbeitsablauf erleichtern kann:

KI-optimierter Arbeitsablauf beim Scannen von Objektträgern

• In dem Video wurden Pankreasinseln als Objekte für die automatische Erkennung ausgewählt. Das individuell trainierte neuronale Netz kann alle gewünschten Objekte erkennen.
• Mit der TruAI Deep-Learning-Technologie für den automatisierten Scan von Objektträgern wird der Arbeitsablauf in mehrfacher Hinsicht verbessert:
• Höhere Effizienz und Flexibilität: Die übersichtliche Softwareoberfläche ist einfach zu konfigurieren und zu verwenden. Das trainierte NN kann ganz einfach hochladen und mit einem Mausklick angewendet werden.
• Weniger Aufnahmedaten: Durch die automatische Erkennung mit der TruAI Technologie – und vor allem durch das selektive Scannen – wird die Erfassung großer Datenmengen in Bereichen, die nicht von Interesse sind bzw. nicht zur Probe gehören, vermieden. Dadurch wird die Datenverwaltung optimiert, beispielsweise beim Speichern, Hochladen und Teilen von Bildern.
• Mehr Prozessautonomie: Aufgrund der hohen Genauigkeit der KI-basierten Erkennung sind weniger Interventionen des Nutzers notwendig. Es besteht die Möglichkeit, die Probenmaske vor dem Scannen zu überprüfen. Dieser Schritt kann jedoch auch übersprungen werden, sodass das gesamte Bild in einem Durchgang ohne Überprüfung erfasst wird. Dank dieser Autonomie, die das unbeaufsichtigte Scannen von Objektträgern, zum Beispiel über Nacht, ermöglicht, bleibt mehr Zeit für andere Aufgaben.

Vorabtraining neuronaler Netze

Es gibt mehrere Möglichkeiten, das jeweilige neuronale Netz im Voraus zu trainieren, zum Beispiel mit der optionalen VS200 Desktop-Software, die mit dem Modul Detect and Deep Neural Network ausgestattet ist. Alternativ kann ein NN importiert werden, das mit einer kompatiblen Software wie der cellSens Software trainiert wurde. Mit dem neuesten Update des VS200 Systems (Version 3.4) lassen sich die Beschriftungen für das Training auch mit unserer kostenlosen OlyVIA Software importieren. Auf diese Weise können mehr Kollegen oder Studierende zur Erweiterung der Trainingsdaten für das NN beitragen, was die Genauigkeit der Ergebnisse weiter erhöhen kann.

Um die Vorteile der automatischen Erkennung mit TruAI in vollem Umfang zu nutzen, aktualisieren Sie Ihr VS200 System noch heute auf Version 3.4. Rufen Sie dazu auf https://evidentscientific.com/de/downloads?product=VS200 die Rubrik Research Slide Scanner auf.