SUCHE MIT Google
Web virtualuniversity.ch
HOME DIDAKTIK ECDL ELEKTRONIK GUIDES HR MANAGEMENT MATHEMATIK SOFTWARE TELEKOM
DIENSTE
Anmeldung
Newsletter abonnieren
Sag's einem Freund!
VirtualUniversity als Startseite
Zu den Favoriten hinzufgen
Feedback Formular
e-Learning fr Lehrer
Spenden
Autoren login
KURSE SUCHEN
Kurse verffentlichen

Suche nach Datum: 

Suche mit Schlsselwort: 

Suche nach Land:

Suche nach Kategorie:
 
PARTNER
ausbildung24.ch - Ausbildungsportal, Seminare, Kursen... 

 
HTMLopen.de - Alles was ein Webmaster braucht

 
PCopen.de - PC LAN Netze und Netzwerke - alles was ein IT Profi und Systemtechnicker braucht

NEWS - AUSBILDUNG

K��nstliche Intelligenz erh��ht die Treffsicherheit



Garching (28.12.2020) -

Bildgebende Verfahren ermglichen einen detaillieren Blick ins Innere eines Organismus. Doch die Interpretation der Daten ist zeitaufwndig und erfordert viel Erfahrung. Neue Mglichkeiten erffnen knstliche neuronale Netzwerke. Sie bentigen nur Sekunden, um Ganzkrperscans von Musen auszuwerten und die Organe, statt in verschiedenen Schattierungen von Grau, zu segmentieren und in Farbe darzustellen. Dies erleichtert die Auswertung erheblich.

Wie gro ist die Leber? Verndert sie sich durch die Einnahme von Medikamenten? Ist die Niere entzndet? Befindet sich im Gehirn ein Tumor? Und hat dieser bereits Metastasen gebildet? Um solche Fragen beantworten zu knnen, mussten Biowissenschaftler und Mediziner bisher eine Flle von Daten sichten und interpretieren.

Die Auswertung von dreidimensionalen bildgebenden Verfahren ist sehr aufwndig, erklrt Oliver Schoppe. Zusammen mit einem interdisziplinren Forschungsteam hat der TUM-Forscher jetzt selbstlernenden Algorithmen entwickelt, die knftig bei der Analyse biowissenschaftlicher Bilddaten helfen knnen.

Kernstck der AIMOS-Software die Abkrzung steht fr AI-based Mouse Organ Segmentation sind knstliche neuronale Netze, die, wie das menschliche Gehirn, lernfhig sind. Frher musste man Computerprogrammen genau sagen, was sie tun sollen, erlutert Schoppe. Neuronale Netze brauchen solche Vorgaben nicht mehr: Es gengt sie zu trainieren, indem man mehrmals eine Problemstellung und eine Lsung prsentiert. Die Algorithmen erkennen nach und nach die Muster und finden dann selbst die richtigen Lsungen.

Selbstlernende Algorithmen trainieren

Im AIMOS-Projekt wurden die Algorithmen mit Hilfe von Musebildern trainiert. Ziel war es, die Bildpunkte aus 3D-Ganzkrperscans bestimmten Organen beispielsweise Magen, Niere, Leber, Milz oder Gehirn zuzuordnen. Auf Grund dieser Zuordnung kann das Programm dann die genaue Lage und Form darstellen.

Glcklicherweise hatten wir Zugriff auf mehrere hundert Bilddatenstzen von Musen aus einem anderen Forschungsprojekt, die alle bereits von zwei Biologen interpretiert worden waren, erinnert sich Schoppe. Hinzu kamen fluoreszenzmikroskopische 3D-Scans vom Institut fr Tissue Engineering and Regenerative Medicine am Helmholtz Zentrum Mnchen.

Den Forscherinnen und Forschern dort war es mit einer speziellen Technik gelungen, bereits verstorbene Muse vollstndig zu entfrben. Die transparenten Krper konnten Punkt fr Punkt und Schicht fr Schicht mit einem Mikroskop abgerastert werden. Die Abstnde zwischen den Messpunkten betrugen dabei nur sechs Mikrometer das entspricht der Gre einer Zelle. Auch in diesen Datenstzen hatten Biologen die Organe lokalisiert.

Knstliche Intelligenz erhht die Treffsicherheit

Am TranslaTUM prsentierten die Informatiker diese Daten ihren neuen Algorithmen. Diese lernten schneller als erwartet, berichtet Schoppe: Wir haben nur etwa zehn Ganzkrperscans gebraucht, dann konnte die Software die Analyse der Bilddaten allein bewerkstelligen und zwar innerhalb von Sekunden. Ein Mensch braucht dafr Stunden.

Die Zuverlssigkeit der Knstlichen Intelligenz berprfte das Team anschlieend mit Hilfe von 200 weiteren Ganzkrper-Scans von Musen. Das Ergebnis zeigt, dass selbstlernende Algorithmen bei der Auswertung biologischer Bilddaten nicht nur schneller, sondern auch treffsicherer sind als der Mensch, resmiert Prof. Bjoern Menze, Leiter der Image-Based Biomedical Modeling Group am TranslaTUM der Technischen Universitt Mnchen TUM.

Eingesetzt werden soll die Intelligente Software knftig vor allem in der Grundlagenforschung: Bildaufnahmen von Musen werden dringend bentigt, zum Beispiel um die Wirkweise von neuen Medikamenten zu untersuchen, bevor sie beim Menschen zum Einsatz kommen. Die Auswertung von Bilddaten mit selbstlernenden Algorithmen kann knftig viel Zeit sparen, betont Menze.

Publikation:

Oliver Schoppe, Chenchen Pan, Javier Coronel, Hongcheng Mai, Zhouyi Rong, Mihail Ivilinov Todorov, Annemarie Mskes, Fernando Navarro, Hongwei Li, Ali Ertrk, Bjoern H. Menze

Deep learning-enabled multi-organ segmentation in whole-body mouse scans

nature communications, 6.11.2020 DOI: 10.1038/s41467-020-19449-7

https://www.nature.com/articles/s41467-020-19449-7#Abs1

Weitere Informationen:

Die Forschungsarbeit wurde am TranslaTUM durchgefhrt, dem Zentralinstitut fr Translationale Krebsforschung der Technischen Universitt Mnchen. Das Institut ist an das Klinikum rechts der Isar angeschlossen und ist spezialisiert darauf, Erkenntnisse in der Krebsforschung durch interdisziplinre Zusammenarbeit fr die Patientenversorgung in der Praxis nutzbar zu machen. Beim Einsatz der neuartigen 3D-Mikroskopie arbeiteten die Wissenschaftler der TUM eng mit Experten am Helmholtz-Zentrum Mnchen zusammen.

Das Forschungsprojekt wurde untersttzt durch das Bundesministerium fr Bildung und Forschung (BMBF) im Rahmen der Software Campus Initiative, die Deutsche Forschungsgemeinschaft (DFG) ber den Exzellenzcluster Munich Cluster for Systems Neurology (SyNergy) sowie ein Forschungsstipendium und durch das TUM Institute for Advanced Study aus Mitteln der Exzellenzinitiative und der Europischen Union. Gefrdert wurde die Arbeit auerdem durch die Fritz Thyssen Stiftung. NVIDIA untersttzte die Arbeiten ber das GPU Grant Programm.

Bildmaterial mit hoher Auflsung: https://mediatum.ub.tum.de/1585829
Web: http://campar.in.tum.de/Chair/ResearchIBBM

Die Technische Universitt Mnchen (TUM) ist mit rund 600 Professorinnen und Professoren, 45.000 Studierenden sowie 10.000 Mitarbeiterinnen und Mitarbeitern eine der forschungsstrksten Technischen Universitten Europas. Ihre Schwerpunkte sind die Ingenieurwissenschaften, Naturwissenschaften, Lebenswissenschaften und Medizin, verknpft mit den Wirtschafts- und Sozialwissenschaften. Die TUM handelt als unternehmerische Universitt, die Talente frdert und Mehrwert fr die Gesellschaft schafft. Dabei profitiert sie von starken Partnern in Wissenschaft und Wirtschaft. Weltweit ist sie mit dem Campus TUM Asia in Singapur sowie Verbindungsbros in Brssel, Mumbai, Peking, San Francisco und So Paulo vertreten. An der TUM haben Nobelpreistrger und Erfinder wie Rudolf Diesel, Carl von Linde und Rudolf Mbauer geforscht. 2006, 2012 und 2019 wurde sie als Exzellenzuniversitt ausgezeichnet. In internationalen Rankings gehrt sie regelmig zu den besten Universitten Deutschlands. www.tum.de


Technische Universitt Mnchen,
Prof. Dr. Bjoern H. Menze

DIPLOMARBEITEN UND BCHER

Diplomarbeiten zum Runterladen:

Suche im Katalog:
Architektur / Raumplanung
Betriebswirtschaft - Funktional
Erziehungswissenschaften
Geowissenschaften
Geschichtswissenschaften
Informatik
Kulturwissenschaften
Medien- und Kommunikationswissenschaften
Medizin
Psychologie
Physik
Rechtswissenschaft
Soziale Arbeit
Sozialwissenschaften


JOBS

HOME | E-LEARNING | SITEMAP | LOGIN AUTOREN | SUPPORT | FAQ | WERBUNG | IMPRESSUM
Virtual University in: Italiano - Franais - English - Espaol
VirtualUniversity, WEB-SET Interactive GmbH, www.web-set.com, 8004 Zrich, Tel +41 43 243 3770

Partner:   PCopen - HTMLopen - WEB-SET.com - YesMMS.com - Ausbildung24.ch - Manager24.ch -