AMBIOM

Abteilung

Dr. Jianxu Chen E: jianxu.chen@isas.de T: 0231 1392-217

Kompetenzfelder

Bioimage Analyse
Künstliche Intelligenz
Deep Learning
Computer Vision

Ziel der vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Nachwuchsgruppe AMBIOM – Analysis of Microscopic BIOMedical Images ist es, einen hohen analytischen Durchsatz von Mikroskop-Aufnahmen zu ermöglichen. Bis zum Jahr 2026 will die Arbeitsgruppe Algorithmen und Methoden (Open Source) entwickeln, mit denen sich weltweit unzählige Bilddaten automatisiert, schnell und wirtschaftlich analysieren lassen.

Fokus: große 3D-Mikroskopie-Bilddaten

Die Arbeitsgruppe konzentriert sich auf die Entwicklung skalierbarer KI-basierter biomedizinischer Bildanalysealgorithmen, insbesondere für große 3D-Mikroskopie-Bilddaten. So sollen die Arbeiten bei AMBIOM künftig beispielsweise breit angelegte neue Studien zur Entstehung von Erkrankungen und ihren Folgen auf der Ebene ganzer Organe und Organsysteme erlauben. Außerdem sollen die am ISAS entwickelten KI-Analyseverfahren Ärzt:innen bei Diagnose- und Therapieentscheidungen unterstützen.

Das BMBF fördert die MSCoreSys-assoziierte Nachwuchgruppe AMBIOM – Analysis of Microscopic BIOMedical Images unter dem Förderkennzeichen 161L0272.

Highlights

24. Januar 2024

EfficientBioAI: Neue Open-Source-Software macht KI-Modelle leichter & grüner

Künstliche Intelligenz ist aus der Forschung nicht mehr wegzudenken. Doch je besser und komplexer die Modelle werden, desto höher ist auch ihr Energieverbrauch. Forschende des ISAS und der Universität Peking haben deswegen eine gebrauchsfertige und kostenfreie Software entwickelt, die bereits bestehende Bioimaging-KI-Modelle komprimiert. Mithilfe der neuen Toolbox können Wissenschaftler:innen ihre Modelle nun schneller und mit wesentlich geringerem Energieaufwand ausführen.

Die Abbildung zeigt die 3D-Semantiksegmentierung von Osteozyten in Mäuseknochen vor und nach der Kompression des Modells mir EfficientBioAI Die Bilder wurden mittels Lichtblatt-Fluoreszenzmikroskopie aufgenommen.

10. September 2024

Faszinierende Einblicke: virtuelle Welt im Klassenzimmer

Was ist eigentlich Realität? Wie nehmen wir unsere Umwelt wahr? Und wie kann erweiterte Realität Forschende bei ihrer Arbeit unterstützen? Gemeinsam mit der Klasse 3a der Don-Bosco-Grundschule in Bochum sind zwei ISAS Forschende diese Fragen auf den Grund gegangen.

Marie steht im Klassenzimmer und trägt eine VR-Brille. In den Händen hält sie jeweils einen Controller.

28. März 2024

Neue „grüne“ Mikroskopie: weniger Strom, dafür mehr Informationen über Immunzellen

Hochentwickelte Technologien wie hochauflösende Mikroskope produzieren große Datenmengen. Und die verbrauchen wiederum große Mengen an Strom. Hinzu kommen Kühlschränke für Proben, Abzüge und kleine technische Geräte. Während das ISAS strukturell umrüstet, um grüner zu werden, arbeiten Forschende am Institut bereits an Methoden, um die Mikroskopie generell energiesparender zu machen. Die Höchstleistung der Technologie stellt dabei kein Problem dar – im Gegenteil.

Das Bild zeigt eine schematische Darstellung der Datenverarbeitung in der Mikroskopie.

20. Dezember 2023

Die Kunst des Abwägens: Genauigkeit in der Bildanalyse

Welche Herausforderungen bei der Analyse von Mikroskop-Aufnahmen lassen sich mit Künstlicher Intelligenz meistern, wenn man diese frühzeitig einbezieht? Warum sollten Wissenschaftler:innen schon bei der Planung ihres Experiments auch an die Zielmetriken der Bildanalyse denken? Seine kürzlich im Fachjournal Nature Methods veröffentlichten Tipps hat Dr. Jianxu Chen nun als eine Art Checkliste für Forschende zusammengestellt.

Die Abbildung zeigt eine Wage und symbolisiert das Gleichgewicht zwischen Analyse und Genauigkeit bei der Validierung von biomedizinischen Aufnahmen.

27. Januar 2023

Gastvortrag: Neues Framework zur Analyse von Stammzellen

Dr. Susanne Rafelski, stellvertretende Direktorin der wissenschaftlichen Programme am Allen Institute for Cell Science, ist am 7. Februar zu Gast am ISAS.

23. September 2022

Hand in Hand für erfolgreiche Publikationen

Das Geheimnis erfolgreicher Publikationen lüftete Dr. Rita Strack bei ihrem Vortrag am ISAS. Selbst für etablierte Wissenschaftler:innen war vieles von dem, was die Redakteurin preisgab, neu.

16. September 2022

Unterschiede sind entscheidend

Was bedeuten geschlechterspezifische Unterschiede für die Gesundheitsforschung? Die Antworten geben fünf ISAS-Wissenschaftler:innen mit unterschiedlichen Forschungsschwerpunkten.

Projekte

Qualität in der Bioimage SEGmentierung (QBSEG)

Um biomedizinisch Forschenden hochwertige Mikroskopie-Bildanalysesoftware mit maßgeschneiderten Lösungen zur Verfügung zu stellen, entwickeln die KI-Expert:innen am ISAS bei diesem von der Deutschen Forschungsgemeinschaft geförderten Projekt »QBSEG« die Open-Source-Software »Allen Cell and Structure Segmenter« weiter.

KI-assistierte Bildgebung von großen Geweben

Ziel des Projekts ist es, aus ein und derselben Probe mehr Informationen über die zelluläre Zusammensetzung und die funktionellen Wechselwirkungen zu erzielen.

Biochemische Annotationen von Daten der bildgebenden Massenspektrometrie für den weltweiten Austausch

Die Forschungsgruppen AMBIOM und Spatial Metabolomics arbeiten zusammen an der Entwicklung eines Plug-ins für die mehrdimensionale Bildgebungssoftware napari, wodurch die Visualisierung und biochemische Annotation von MSI-Daten möglich wird.

Entwicklung einer 'Leibniz Mass Spectral Imaging Library' zur Identifizierung von primären & sekundären Metaboliten

Das Ziel des Projekts ist, die erste frei zugängliche MSI-Bibliothek mit mehr als 1000 bioaktiven Verbindungsstandards auf verschiedenen Matrix-unterstützte Laser-Desorption/Ionisation (MALDI)-MSI-Plattformen zu erzeugen.

Smart Human-in-the-loop Segmentation

Das Ziel der Forschenden, die am Projekt »Smart Human-in-the-loop Segmentation« arbeiten, ist, ein leistungsstarkes Deep-Learning-Modell zu entwickeln, das mit minimaler menschlicher Arbeit auskommt.

Zell-Tracking in Mikroskopieaufnahmen

Das Forschungsprojekt »Zell-Tracking in Mikroskopieaufnahmen« will neue, anspruchsvolle Algorithmen für den Zellnachweis und das Zell-Tracking entwickeln, um einige der schwierigsten Tracking-Probleme zu adressieren.