自学习算法分析成像数据

肝脏有多大？如果服用药物会改变吗？肾炎是否发炎？大脑中是否存在肿瘤并且已经发展了转移？为了回答这些问题，BioSientists和Date迄今为止必须筛​​选和解释大量数据。

“三维的分析成像过程是非常复杂的，”Oliver Schoppe解释道。与一个跨学科的研究团队一起，TUM的研究人员现在已经发展了自主学习算法以便将来帮助分析生物科学图像数据。

AIMOS软件的核心是人工的。AIMOS是基于人工智能的鼠标器官分割的缩写神经网络就像人类的大脑一样，有学习的能力。“过去你必须告诉计算机程序你想让它们做什么，”Schoppe说。神经网络不需要这样的指令:“通过多次提出一个问题和一个解决方案来训练它们就足够了。”渐渐地，算法开始识别相关的模式，并能够自己找到正确的解决方案。”

培训自学算法

在Aimos项目中，算法借用小鼠的图像培训。目的是将图像点从3D全身扫描分配给特定器官，例如胃，肾，肝，脾脏或脑。基于此分配，程序可以显示精确的位置和形状。

Schoppe回忆说:“我们很幸运地获得了几百张来自不同研究项目的老鼠图像，所有这些图像都已经被两位生物学家解释过了。”该团队还获得了亥姆霍兹中心组织工程和再生医学研究所的荧光显微3D扫描München。

通过一种特殊的技术，研究人员能够完全从已经死亡的小鼠中取出染料。可以通过微镜通过步骤和层进行显微镜对透明体进行成像。测量点之间的距离仅为6微米 - 相当于电池的尺寸。生物学家还局限于这些数据集中的器官。

ai提高了准确性

在TranslaTUM，信息技术人员将数据展示给他们的新算法。这比预期的学习速度要快，Schoppe报告说:“我们只需要大约10次全身扫描，软件就能够成功地自行分析图像数据——而且是在几秒钟之内。”人类要花几个小时才能做到这一点。”

该团队随后在200次进一步的小鼠扫描的帮助下检查了人工智能的可靠性。“结果表明，自学习算法不仅比分析生物学图像数据更快，而且更准确，”慕尼黑技术大学翻译的基于形象的生物医学建模集团的Bjoern Menze教授。

智能软件将在未来使用，特别是在基础上的基础上：“小鼠的图像对于例如，研究新药的影响至关重要，例如在给予人类之前。使用自学习算法来分析图像数据未来将来会节省大量的时间，“强调林泽。