Software for Digital microscopy

Learn More About Us
our-business

Unser Business

Für die prä- und klinische Forschung und Diagnostik ist es wichtig, dass medizinische Bilder nicht nur Bilder sind, Diagnostikberichte nicht nur unstrukturierte Informationen sind aber auch dass die molekularen Daten automatisch ausgewertet und nicht von den Ergebnissen der Bild- und Textanalyse getrennt sind.
Genau das ist die Expertise von HS Analysis GmbH seit 2015. Die autonomen AI Systeme unterstützen die Forscher und Ärzte bei der automatisierten Quantifizierung und Prädiktion der medizinischen Daten. So können die Forscher und Ärzte ihr Expertenwissen effizienter einsetzen und sich auf die Forschung bzw. Krankheit konzentrieren. Wenn es um die automatisierte Bildanalyse, Wissen aus Publikationen und Berichten und der Analyse sowie Prädiktion aus molekularen Daten geht, ist die Integration der entsprechenden AI in die Hardware und die Infrastruktur eine der Hauptkompetenzen der HS Analysis GmbH.
Das Unternehmen arbeitet weltweit eng mit verschiedenen Partnern zusammen, wenn die Digitalisierung und Automatisierung Teil der täglichen Routine im Lab oder Krankenhaus ist. Mit Hilfe der eigen geschriebener Deep Learning Architektur, Active und Transfer Learning setzt die HS Analysis weltweit den Standard in der diagnostischen Prädiktion beispielsweise CDx sowie der Früherkennung von seltenen Erkrankungen oder Krebsarten.

technology

Technologie

Die modernsten Technologien im Bereich der künstlichen Intelligenz ermöglichen die automatische Interpretation der Gewebeproben und Zellkulturen. Genaugenommen werden mit Deep Learning Verfahren Digitalbilder, die mit Slide Scanner und HCS, einer Art Mikroskopier-Roboter entstehen analysiert. Ergebnis der Analyse ist die zuverlässige und schnelle Quantifizierung der Effekte der Wirkstoffkandidaten auf das Gewebe und Zellkulturen.

Spezialisten von HS Analysis beherrschen unterschiedliche Technologien. Die Wahl der optimalen Technologie hängt stark von den Anforderungen des Kunden ab. Im Folgenden sind 2 Beispiele aufgeführt:

Digitale Mikroskopie ist eine vielversprechende Methode für quantitative Automatisierung in der Erforschung neuer Medikamente. Das Schlüsselelement ist die Einführung des Whole-Slide Imaging (WSI) mit Digitalscannern. Sie erlauben die Virtualisierung der ganzen Gewebeprobe auf dem Objektträger oder Zellkulturen auf einer Well-Platte in hoher mikroskopischer Auflösung.
Durch die Kombination von WSI und Well-Platten mit automatischer Detektion und Quantifizierung durch Software entstehen viele neue Möglichkeiten in der Erforschung neuer Medikamente gegen Krankheiten.
HS Analysis entwickelt Ihre Lösung für die automatische Auswertung von WSI für die effiziente Gestaltung von Workflows in der Pharmaforschung.
Fortschritte bei künstlichen neuronalen Netzen erlauben heute die zuverlässige Erkennung von Strukturen mit komplexer Morphologie.
Damit Forscher und Pathologen in Unikliniken und der Pharmaindustrie schnell Antworten auf entscheidende Fragen im Krankheitsgeschehen finden können, stellt HS Analysis GmbH Software für automatische Analyse von Gewebeproben und Zellkulturen bereit. Dafür werden u.a. neuronale Netze sowie Deep Learning eingesetzt. Sie helfen, Ihre Region of Interest (ROI) automatisch zu erkennen und auszuwerten. So vermeiden Sie zeitaufwändige manuelle Annotation von ROIs und erreichen Analysen in hohem Durchsatz und kurzer Berechnungszeit.

details

Details

Zellverfolgung und -analyse in Echtzeit

HSA intern entwickeltes Deep Learning


Verfolgen von Veränderungen der zellulären Morphologie und des Verhaltens in Abstimmung mit den umgebenden Zellen. Zellen mit zunehmender Fläche sind blau, mit abnehmender Fläche rot markiert. Länge der einzelnen Zellgrenzen, Umfang, Fläche und Perzentilveränderung im Vergleich zum vorherigen Bild (Δ Fläche, Δ Umfang) werden in Echtzeit verfolgt.

igenentwickelte KI-Netzwerke:
  • + Zellenrand-Lücken im Originalbild werden intelligent geschlossen
  • + Automatische Verfolgung der Länge der individuellen Zellgrenzen, der Änderungen der Zellmorphologie und des Verhaltens in Abstimmung mit den umgebenden Zellen
  • + Visuelle Darstellung ausgewählter Morphologieänderungen (Fläche, Zirkularität, Verhalten der Nachbarzellen usw.)
  • + Einfacher Export aller statistischen Daten in eine Exel-Datei

 

Standard Deep Learning U-Net


Einfache intensitätsabhängige Annotation der Zellgrenzen gegenüber dem Originalbild





Altes U-Net basierendes KI Netzwerk:
  • – Lücken im Originalbild werden nicht geschlossen, wodurch die anschließende statistische Analyse beeinträchtigt wird
  • – Verfolgung zellulärer Parameter schwierig oder nur durch zusätzliche Programme möglich
  • – Keine visuelle Darstellung ausgewählter Veränderungen der Zellmorphologie



Zählung und Segmentierung von
Zellen in Kammerobjektträgern

Nachweis und Segmentierung von Kernen und Zytoplasma in kultivierten Zellen in Kammerobjektträgern.





Segmentierung von Tumor
und Stromazellen

Segmentierung von Kernen und Zytoplasma in Tumorzellen und zytoplasmatischen Regionen in Stromazellen. Wenn die Kernfärbung nicht vorhanden oder unspezifisch ist, können Kerne durch Kern-„Löcher“ in der Zytoplasmafärbung nachgewiesen werden.



Analyse der Niere

Segmentierung von Glomeruli und Tubuli unter Verwendung eines Deep-Learning-Modells für Brightfield Daten.



Analyse der Niere

Segmentierung der Glomeruli und ihrer Kompartimente unter Verwendung eines Tensorflow-Modells für Brightfield Daten.



Zählen von Zellen

Segmentierung und Zählung von Zellen.  







Endoplasmic Reticulum

Das endoplasmatische Retikulum (ER) ist eine dynamische Struktur, die aus verzweigten Bereichen und röhrenförmigen Abschnitten besteht. Die automatische Segmentierung eröffnet neue Möglichkeiten für quantitative Analysen und eine effiziente Darstellung dieser Membranstruktur auf der ultrastrukturellen Ebene.



Scratch Assay

Analyse von Proben mit Kratzern und der Veränderung der Zellfläche über die Zeit.