Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

La piattaforma online di Open source offre la migliore comprensione nelle immagini biomediche

Gli anni recenti hanno veduto i forti progressi in tecnologie dell'immagine che provocano le più alte risoluzioni ed i tempi più veloci di acquisizione.

Le immagini degli unicellulari, del tessuto e degli organi forniscono in un dato momento ai medici specialisti intorno al mondo una miriade di informazioni sugli stati di salute dei loro pazienti. Ma come guadagnano la comprensione di cui vedono in queste immagini biomediche?

Lo status quo: ad errori che richiede tempo ed inclini

Per fare queste grandi immagini volumetriche rivelare il loro vero potenziale di informazioni, la segmentazione manuale - con cui un'immagine digitale è divisa nei vari segmenti per permettere o facilitare all'analisi - è richiesta spesso.

I contrassegni, come per esempio “lo sfondo„ o “l'oggetto„, sono definiti alle varie strutture di interesse con differenti intervalli dentro il volume 3D.

Ciò è seguita da un'interpolazione dei contrassegni fra le fette pre-segmentate, in cui i valori ai punti sconosciuti sono stimati usando i dati conosciuti.

In questo trattamento, i dati di immagine di fondo non sono considerati solitamente e l'interpolazione quindi è basata esclusivamente sulle fette segmentate.

Di conseguenza, soltanto una frazione delle informazioni sperimentali reali è utilizzata per derivare la segmentazione.

“La segmentazione manuale di grandi gruppi di dati biomedici di composizione sconosciuta è spesso ad errori molto che richiede tempo ed inclini.

Per analizzare i dati di immagine tridimensionali, la segmentazione manuale è ancora un approccio molto comune. Infatti, gli istituti impiegano gli eserciti degli studenti formati appena per questo compito stesso,„ dice Philipp Lösel dal gruppo di ricerca “data mining e quantificazione di incertezza„ (DMQ) ai COLPI, che hanno sviluppato Biomedisa.

Biomedisa: più velocemente, facile da usare ed e più accurato

E questo è dove la segmentazione biomedica il App Biomedisa di immagine entra, una piattaforma online di -uso - facile - e libera di open source sviluppata particolarmente per la segmentazione semiautomatica.

La segmentazione è basata su un'interpolazione astuta delle fette scarsamente pre-segmentate che considerano i dati di immagine di fondo completi. Ciò rende Biomedisa particolarmente apprezzato quando poca conoscenza a priori è disponibile.

“Biomedisa può accelerare il trattamento della segmentazione enorme, mentre allo stesso tempo fornisce i risultati più accurati che la segmentazione manuale,„ dice Thomas van de Kamp (KIT), un biologo con esperienza dolorosa di segmentazione manuale di immagine che ha fornito i dati micro-CT e Biomedisa valutato durante il suo sviluppo.

La piattaforma è accessibile con un web browser e richiede la configurazione non complessa e noiosa dei parametri del modello e del software. La soluzione del un-bottone può essere usata per le modalità differenti della rappresentazione 3D e le varie applicazioni biomediche.

Il nostro scopo esplicito era di creare uno strumento ampio-applicabile e facile da usare per accelerare la segmentazione dei campioni della morfologia sconosciuta mentre però migliorando i risultati.„

Vincent Heuveline, Direttore, centro di elaborazione e guida del gruppo di DMQ, istituto di Heidelberg per gli studi teorici

“Biomedisa è un esempio per un software quel vantaggi direttamente dagli ultimi sviluppi della tecnologia di GPU (unità di elaborazione dei grafici). La progettazione hardware-informata utilizza gli acceleratori grafici per trattare i dati di immagine in continuo aumento,„ aggiunge Philipp Lösel.

Sul modo a segmentazione completamente automatica

Inoltre, Biomedisa offre un intervallo di altre funzioni, quali la rimozione dei valori erratici o il materiale da otturazione dei fori, le superfici possono essere lisciate e l'incertezza con cui il risultato è stato ottenuto può essere quantificata. Ancora, i dati possono essere visualizzati con il software della rappresentazione 3D ed essere divisi con altri utenti.
Infine, Biomedisa permette alle tecniche di apprendimento automatico through preparando una rete neurale profonda.

Questa tecnica permette una segmentazione completamente automatica quando tantissime simili strutture, quale il cuore umano, è segmentata. Di conseguenza, permette le simulazioni numeriche basate su un modello paziente-specifico del cuore e così assiste i clinici con la loro progettazione e processo decisionale chirurgici.

Tutte queste funzionalità combinate rendono a Biomedisa una piattaforma ideale per il tutto quelli per cui una maschera vale più di mille parole.

Source:
Journal reference:

Lösel, P. D., et al. (2020) Introducing Biomedisa as an open-source online platform for biomedical image segmentation. Nature Communications. doi.org/10.1038/s41467-020-19303-w.