Für die biomedizinische Forschung und Diagnostik ist die Zellsegmentierung von elementarer Bedeutung. Künstliche Intelligenz (KI) kann hier bereits helfen, doch die KI muss erst mithilfe von manuell gekennzeichneten Daten angelernt werden – eine aufwendige Arbeit. Die Doktorandin Eiram Mahera Sheikh arbeitet an der Optimierung dieses Prozesses und benutzt schon für die Vorbereitung der Daten Künstliche Intelligenz.
Verbesserte Trainingsdaten, schnellere Segmentierung
Denn nicht immer sind die Trainingsdaten optimal, mikroskopische Bilder können manchmal etwas verschwommen sein, wodurch es nicht so einfach ist, Zellen haargenau zu markieren. Doch sind die Zellen klar sichtbar und abgetrennt vom Hintergrund, fällt das sogenannte Labeling einfacher, die Zellen können klar segmentiert werden. Beim Labeling erhält jeder Pixel des Bildes ein Label, zum Beispiel Hintergrund, Membran oder Zellkörper. Das Labeling muss zwar immer noch per Hand von Expertinnen und Experten durchgeführt werden, doch verbesserte Bilder erleichtern und beschleunigen diesen Prozess.
Da Fachleute das Labeling nicht gerne durchführen, es so viel Zeit kostet und dadurch teuer ist, kann diese Forschung einen deutlichen Mehrwert für die Praxis bringen. Sheikh geht jedoch noch einen Schritt weiter: „Es geht mir darum, die Bildregionen zu identifizieren, die für das Erlernen der Zellsegmentierung besonders wichtig sind. Damit bräuchten nicht mehr sämtliche Bildpixel von Hand gelabelt werden, sondern nur noch diejenigen, die als Trainingsdaten besonders wertvoll sind.“
Die wertvollen Trainingsdaten sind eben diejenigen, die schwer zu erkennen, etwas unscharf sind. Nur diese sollen, wenn es nach Sheikh geht, in Zukunft von Expertinnen und Experten gelabelt werden, den Rest soll KI übernehmen. Diese Unterteilung in unwichtige und wichtige Informationen kann auch für andere Bereiche von Vorteil sein, beispielsweise dem autonomen Fahren, der medizinischen Bildgebung oder der Analyse von Satellitenbildern.
Quelle: idw
Artikel teilen
