Biomedizinische Bildanalyse

INM-1/Juelich

Wir entwickeln Algorithmen für maschinelles Lernen und Computer Vision zur weitgehend automatisierten Verarbeitung und Analyse von Bilddaten in der Hochdurchsatz Mikroskopie, um Gehirnkarten und mikrostrukturelle Merkmale aus vollständigen Serien menschlicher Hirngewebeschnitte zu extrahieren. Dies umfasst Qualitätskontrolle, Verbesserung, Objektdetektion, Segmentierung und 3D-Rekonstruktion großer Mengen mikroskopischer 2D-Scans.

Eines unserer Ziele ist es, die nächste Generation der Hirnkartierung mitzugestalten. Wir haben gezeigt, dass Deep-Learning-Netzwerke darauf trainiert werden können, den menschlichen Kortex in verschiedene Hirnregionen zu segmentieren und dabei auch komplexe höhere assoziative Areale zu unterscheiden. Derzeit sind wir dabei, das BigBrain-Modell mit hoch detaillierten zytoarchitektonischen 3D-Karten zu erweitern. Andere Aspekte unserer Arbeit umfassen die Detektion neuronaler Zellen, die Quantifizierung von Nervenfaser-Konfigurationen, sowie die 3D Rekonstruktion mit mikroskopischer Präzision.

Unser Team von Machine Learning Experten bildet die Forschungsgruppe von Helmholtz AI in Jülich für den Forschungsbereich "Information". Durch dieses Helmholtz-weite Netzwerk für angewandte künstliche Intelligenz (KI) wollen wir unser Wissen und unsere Methoden über wissenschaftliche Anwendungen und Domänen hinweg nutzbar machen. Aufgrund der hohen Auflösungen und großen Mengen an Bilddaten arbeiten wir mit Forschern des Jülich Supercomputing Centre zusammen, um unsere Algorithmen effizient auf High Performance Computing (HPC)-Clustern auszuführen, und die Möglichkeiten der neuen Generation modularer Supercomputer zu nutzen.

Letzte Änderung: 22.01.2024