Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

A plataforma em linha do open source oferece a melhor introspecção em imagens biomedicáveis

Os anos recentes consideraram melhorias dramáticas nas tecnologias imagiológicas que conduzem a umas definições mais altas e a uns tempos mais rápidos da aquisição.

As imagens de únicos pilhas, tecido e órgãos fornecem médicos especialistas em todo o mundo uma miríade da informação sobre os estados da saúde dos seus pacientes em um dado momento. Mas como ganham a compreensão do que vêem nestas imagens biomedicáveis?

O status quo: erros demorados e inclinados

Para fazer estas grandes imagens volumétricos revelar seu potencial verdadeiro da informação, a segmentação manual - por meio de que uma imagem digital é dividida em vários segmentos para permitir ou facilitar a análise - é exigida frequentemente.

As etiquetas, como por exemplo o “fundo” ou o “objeto”, são atribuídas às várias estruturas do interesse com intervalos diferentes dentro do volume 3D.

Isto é seguido por uma interpolação das etiquetas entre as fatias pre-segmentadas, onde os valores em pontos desconhecidos são calculados usando dados conhecidos.

Neste processo, os dados de imagem subjacentes não são levados em consideração geralmente, e a interpolação é baseada conseqüentemente exclusivamente nas fatias segmentadas.

Conseqüentemente, somente uma fracção da informação experimental real é utilizada para derivar a segmentação.

“A segmentação manual de grandes conjunto de dados biomedicáveis de composição desconhecida é frequentemente erros muito demorados e inclinados.

Para analisar dados de imagem tridimensionais, a segmentação manual é ainda uma aproximação muito comum. De facto, os institutos empregam exércitos de estudantes treinados apenas para esta tarefa mesma,” diz Philipp Lösel do grupo de investigação “mineração de dados e quantificação da incerteza” (DMQ) nas BATIDAS, que desenvolveram Biomedisa.

Biomedisa: mais rapidamente, de fácil utilização e e mais exacto

E isto é o lugar aonde a segmentação biomedicável App Biomedisa da imagem entra, uma plataforma em linha - e - do open source fácil de usar livre desenvolvida especialmente para a segmentação semiautomática.

A segmentação é baseada em uma interpolação esperta das fatias escassa pre-segmentadas que levam em consideração os dados de imagem subjacentes completos. Isto faz o artigo de valor de Biomedisa particularmente quando pouco conhecimento a priori está disponível.

“Biomedisa pode acelerar o processo da segmentação enorme, ao ao mesmo tempo fornecer uns resultados mais exactos do que a segmentação manual,” diz Thomas camionete de Kamp (JOGO), um biólogo com experiência dolorosa na segmentação manual da imagem que forneceu os dados micro-CT e Biomedisa avaliado durante sua revelação.

A plataforma é acessível com um web browser e exige a configuração não complexa e fastidiosa de parâmetros do software e do modelo. A solução do um-botão pode ser usada para modalidades diferentes da imagem lactente 3D e várias aplicações biomedicáveis.

Nosso alvo explícito era criar uma ferramenta largo-aplicável e de fácil utilização para acelerar a segmentação das amostras de morfologia desconhecida ao igualmente melhorar os resultados.”

Vincent Heuveline, director, centro de elaboração e de grupo de DMQ líder, instituto de Heidelberg para estudos teóricos

“Biomedisa é um exemplo para um software esse benefícios directamente das revelações as mais atrasadas da tecnologia de GPU (unidade de processamento dos gráficos). O projecto hardware-ciente utiliza aceleradores de gráficos para segurar os dados de imagem crescentes,” adiciona Philipp Lösel.

Na maneira à segmentação totalmente automático

Além disso, Biomedisa oferece uma escala de outras funções, tais como a remoção dos outliers ou o enchimento dos furos, as superfícies podem ser alisadas e a incerteza com que o resultado foi obtido pode ser determinada. Além disso, os dados podem ser visualizados com software da rendição 3D e ser compartilhados com outros usuários.
Último mas não de menor importância, Biomedisa permite técnicas de aprendizagem da máquina com da formação de uma rede neural profunda.

Esta técnica permite uma segmentação totalmente automático quando um grande número estruturas similares, tais como o coração humano, são segmentadas. Em conseqüência, permite as simulações numéricas baseadas em um modelo paciente-específico do coração e ajuda assim a clínicos com seus planeamento e tomada de decisão cirúrgicos.

Todas estas características combinadas fazem a Biomedisa uma plataforma ideal para o todo o aqueles para quem uma imagem vale mais do que mil palavras.

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.