Biomedizin: viele Bilder – weniger Rätsel

Comparison between a conventional segmentation approach (top row) and Biomedisa (bottom row): The conventional procedure requires 77 hours, compared to 9 hours with Biomedisa. Both procedures require manual pre-segmentation of the 3D image stack.
Philipp Lösel / HITS

Manchmal gibt ein Bild dem Betrachter Rätsel auf. In vielen wissenschaftlichen Disziplinen liegt der Schlüssel zum Verständnis dreidimensionaler Aufnahmen – wie zum Beispiel im Computertomographen oder in der Lichtmikroskopie – in der Segmentierung, einer aufwändigen und langwierigen Tätigkeit. Wissenschaftler des Heidelberger Instituts für Theoretische Studien (HITS) haben jetzt eine leicht zu bedienende Open-Source Online-Anwendung für die Segmentierung biomedizinischer Aufnahmen entwickelt –
im Rahmen eines Projekts mit Wissenschaftler/-innen der Universität Heidelberg, dem KIT und der TU Darmstadt. Die Ergebnisse richten sich vor allem an Forschende ohne fundierte Computerkenntnisse.

Auf dem Gebiet der bildgebenden Verfahren wurden in den letzten Jahren erhebliche Fortschritte erzielt, die zu immer höheren Auflösungen und schnelleren Erfassungszeiten geführt haben. Aufnahmen einzelner Zellen, Gewebeteile und Organe versorgen heutzutage medizinische Fachleute auf der ganzen Welt mit einer Unmenge von Informationen über den Gesundheitszustand ihrer Patienten. Wie aber lassen sich diese Bilder richtig deuten?

Der Status Quo: zeitaufwändige und fehleranfällige Analysen

Damit diese umfangreichen Aufnahmen ihr Informationspotential entfalten, bedarf es sehr häufig einer manuellen Segmentierung. Dabei wird ein digitales Bild in verschiedene Schichten aufgeteilt, um die Bildinformationen leichter zu erkennen und auszuwerten. Hierfür werden die erkennbaren Strukturen in eng beieinander liegenden Schichten als sogenannte Labels, wie z.B. „Hintergrund” oder „Objekt”, benannt. Bei der darauffolgenden Interpolation werden die Zwischenräume auf Grundlage der manuell vorsegmentierten Schichten bestimmt. Dabei werden die zugrundeliegenden Bilddaten normalerweise nicht berücksichtigt, wodurch lediglich ein Bruchteil der zur Verfügung stehenden Information verwendet wird.

„Die manuelle Segmentierung unbekannter biomedizinischer Datensätze ist oft sehr zeitaufwändig und fehleranfällig, da sehr viele Schichten segmentiert werden müssen. Zur Analyse dreidimensionaler Bilddaten wird dieses Verfahren aber noch sehr häufig angewendet. In vielen Instituten ist es tatsächlich gang und gäbe, Heerscharen von speziell geschulten Studierenden extra für diese Aufgabe einzusetzen,” so Philipp Lösel aus der Forschungsgruppe „Data Mining and Uncertainty Quantification” (DMQ) am HITS, der Biomedisa entwickelt hat.

Biomedisa: schneller, nutzerfreundlich und genauer

Die Biomedical Image Segmentation App Biomedisa (https://biomedisa.org) ist eine frei verfügbare und leicht zu bedienende Open-Source Online-Anwendung, die speziell für die halbautomatische Segmentierung entwickelt wurde. Die Segmentierung basiert dabei auf einer intelligenten Interpolation einiger weniger vorsegmentierter Schichten, wobei die zugrundeliegenden Bilddaten vollständig mit einbezogen werden. Dadurch können wesentlich größere Abstände zwischen den Schichten gelassen werden. „Biomedisa kann den Segmentierungsprozess enorm beschleunigen und liefert gleichzeitig genauere Ergebnisse als dies bei einer rein manuellen Segmentierung der Fall ist,” so Thomas van de Kamp, Biologe am KIT, der aus eigener Erfahrung weiß, wie mühevoll eine manuelle Bildsegmentierung sein kann. Er steuerte für das Projekt Mikro-CT-Daten bei und evaluierte Biomedisa während des Entwicklungsprozesses.

Die Plattform ist über einen Webbrowser zugänglich (https://biomedisa.org), eine komplexe und langwierige Konfiguration der Software oder der Modellparameter ist nicht erforderlich. Die One-Button-Lösung kann bei verschiedenen 3D-Bildgebungsverfahren und zahlreichen biomedizinischen Anwendungen eingesetzt werden.

„Unser ausdrückliches Ziel war es,” so Vincent Heuveline, Direktor des Universitätsrechenzentrums Heidelberg (URZ) und DMQ-Gruppenleiter am HITS, „ein breit einsetzbares und nutzerfreundliches Tool zu entwickeln, um die Segmentierung von Proben unbekannter Morphologie zu beschleunigen und dabei gleichzeitig die Ergebnisse zu verbessern.”

„Biomedisa ist eine Software, die in direktem Maße von den neuesten Entwicklungen auf dem Gebiet der GPU-Technologie (Graphics Processing Unit) profitiert. Sie wurde speziell für die Verwendung von Graphikbeschleunigern entwickelt, um die stetig zunehmende Menge an Bilddaten zu verarbeiten,” fasst Philipp Lösel zusammen.

Auf dem Weg zu einer vollautomatischen Segmentierung

Daneben bietet Biomedisa noch eine Vielzahl weiterer Funktionen, wie z.B. die Entfernung von Ausreißern oder das Füllen von Löchern. Oberflächen können geglättet und die Unsicherheit, mit der die Ergebnisse erzielt wurden, quantifiziert werden. Außerdem können die Daten mit einer 3D-Rendering-Software visualisiert und mit anderen geteilt werden.

Zu guter Letzt ermöglicht Biomedisa das Training künstlicher neuronaler Netze. Dieses Verfahren gestattet eine vollständig automatisierte Segmentierung, falls eine Vielzahl ähnlicher Strukturen segmentiert wird, wie dies z.B. beim menschlichen Herzen der Fall ist. Dadurch werden numerische Simulationen möglich, die auf einem patientenspezifischen Modell des Herzens basieren und Ärztinnen und Ärzte im Krankenhaus bei der Planung chirurgischer Eingriffe unterstützen sollen.
Die Kombination all dieser Eigenschaften machen Biomedisa zu einer idealen Plattform für alle, denen Bilder im Idealfall mehr als tausend Worte sagen sollen.

Philipp D. Lösel, Thomas van de Kamp, Alejandra Jayme, Alexey Ershov, Tomáš Faragó, Olaf Pichler, Nicholas Tan Jerome, Narendar Aadepu, Sabine Bremer, Suren A. Chilingaryan, Michael Heethoff, Andreas Kopmann, Janes Odar, Sebastian Schmelzle, Marcus Zuber, Joachim Wittbrodt, Tilo Baumbach & Vincent Heuveline: Introducing Biomedisa as an open-source online platform for biomedical image segmentation. Nature Communications, 4 November 2020. DOI 10.1038/s41467-020-19303-w
https://www.nature.com/articles/s41467-020-19303-w

Medienkontakt:
Dr. Peter Saueressig
Head of Communications
Heidelberger Institut für Theoretische Studien (HITS)
Tel +49-6221-533-245
peter.saueressig@h-its.org

Biomedisa Tutorials auf YouTube
https://www.youtube.com/channel/UCTNOthYVKyIWVvYYZSU_mfQ

Wissenschaftliche Ansprechpartner:

Philipp Lösel
Data Mining and Uncertainty Quantification Group
Heidelberger Institut für Theoretische Studien (HITS)
Tel +49-6221-533-520
Philipp.Loesel@h-its.org

Originalpublikation:

https://www.nature.com/articles/s41467-020-19303-w

Weitere Informationen:

https://www.h-its.org/de/2020/11/09/biomedisa-de/ HITS-Pressemitteilung
https://biomedisa.org/ Biomedisa-Website
https://www.youtube.com/channel/UCTNOthYVKyIWVvYYZSU_mfQ Biomedisa-Videotutorials

Media Contact

Dr. Peter Saueressig Kommunikation
Heidelberger Institut für Theoretische Studien gGmbH

Alle Nachrichten aus der Kategorie: Medizintechnik

Kennzeichnend für die Entwicklung medizintechnischer Geräte, Produkte und technischer Verfahren ist ein hoher Forschungsaufwand innerhalb einer Vielzahl von medizinischen Fachrichtungen aus dem Bereich der Humanmedizin.

Der innovations-report bietet Ihnen interessante Berichte und Artikel, unter anderem zu den Teilbereichen: Bildgebende Verfahren, Zell- und Gewebetechnik, Optische Techniken in der Medizin, Implantate, Orthopädische Hilfen, Geräte für Kliniken und Praxen, Dialysegeräte, Röntgen- und Strahlentherapiegeräte, Endoskopie, Ultraschall, Chirurgische Technik, und zahnärztliche Materialien.

Zurück zur Startseite

Kommentare (0)

Schreib Kommentar

Neueste Beiträge

Screeningsystem für Lungengeräuschanalyse

Ein an der TU Graz entwickeltes Mehrkanal-Aufnahmegerät für krankhafte Lungengeräusche und die dazugehörige automatische Analyse der Geräusche könnten bestehende Screening-Methoden zur Früherkennung zum Beispiel von Covid-19-Infektionen unterstützen. Hierfür benötigt es…

Digitale Technologien für den Blick in den Boden

Weltbodentag Böden sind eine empfindliche und in Folge intensiver Landwirtschaft auch häufig strapazierte Ressource. Wissenschaftler*innen des ATB entwickeln daher digitale Lösungen für eine ressourcenschonende und umweltgerechte Bodenbewirtschaftung. Mit dem Weltbodentag…

Kartierung neuronaler Schaltkreise im sich entwickelnden Gehirn

Wie kann man neuronale Netze aufbauen, die komplexer sind als alles, was uns bis heute bekannt ist? Forscher am Max-Planck-Institut für Hirnforschung in Frankfurt am Main haben die Entwicklung von…

Partner & Förderer

Indem Sie die Website weiterhin nutzen, stimmen Sie der Verwendung von Cookies zu. mehr Informationen

Die Cookie-Einstellungen auf dieser Website sind so eingestellt, dass sie "Cookies zulassen", um Ihnen das bestmögliche Surferlebnis zu bieten. Wenn Sie diese Website weiterhin nutzen, ohne Ihre Cookie-Einstellungen zu ändern, oder wenn Sie unten auf "Akzeptieren" klicken, erklären Sie sich damit einverstanden.

schließen