Zum Inhalt springen

Die Kunst des Abwägens: Genauigkeit in der Bildanalyse

Dortmund, 20. Dezember 2023

Vor Jahrhunderten öffnete die Erfindung des Mikroskops ein Fenster zu einer winzigen, bis dato unsichtbaren Welt. Seitdem hat sich nicht nur die Qualität der Bilder, sondern auch die Art und Weise, wie wir sie interpretieren, stark verändert. Statt nur optisch in die Tiefen kleinster Strukturen einzudringen, können wir biologische Prozesse heute mithilfe moderner Bildanalyseverfahren in präzise Zahlen übersetzen. Doch damit diese Übersetzung gelingt, müssen sich alle Forschenden zunächst dieselben Fragen stellen: Was wollen wir messen? Wie genau müssen diese Messungen sein, damit wir sie sinnvoll interpretieren können?

Moderne Mikroskope erzeugen enorme Datenmengen. Ein Lichtblattfluoreszenz-Mikroskop beispielsweise, produziert am ISAS pro Probe durchschnittlich weit über 500 hochauflösende Bilder. Um diese Datenvielfalt zu bewältigen und im Anschluss effizient auszuwerten, braucht es innovative Ansätze in der Datenanalyse. Hierbei kommen spezielle Softwares oder Bildanalyseverfahren zum Einsatz, zunehmend auch mithilfe Künstlicher Intelligenz (KI). Einen universell anwendbaren Ansatz für die Bildanalyse gibt es jedoch nicht. „Genauso wie es kein 'one size fits all' Mikroskop gibt, erfordern verschiedene Forschungsvorhaben maßgeschneiderte und auf die spezifischen Anforderungen abgestimmte Bildanalyse-Workflows oder Softwares“, erläutert Dr. Jianxu Chen. Er leitet die Nachwuchsgruppe AMBIOM – Analysis of Microscopic BIOMedical Images, die am ISAS an genau solchen KI-basierten biomedizinischen Bildanalysealgorithmen forscht.

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

Bei der Checkliste geht es um das Gleichgewicht zwischen Analyse und Genauigkeit. Diese Abbildung hat Dr. Jianxu Chen am 13. Dezember 2023 mittels ChatGPT, Modell „DALL-E“ erstellt. Details hierzu inkl. Prompt siehe Seitenende.

© ChatGPT

Eine Checkliste, um Bioimage-Analyseergebnisse zu validieren

Die Herausforderung bei der Bildanalyse besteht darin, sicherzustellen, dass die gewonnenen Erkenntnisse am Ende nicht nur quantitativ oder statistisch genau, sondern auch biologisch relevant für die Fragestellung sind. „Dafür sollten Forschende die Versuchsplanung, die Details der mikroskopischen Bildgebung und die Zielmetriken der Bildanalyse von Anfang an feinsäuberlich aufeinander abstimmen“, rät Chen. Einige für Forschende dafür zentrale Überlegungen hat er vor kurzem mit Dr. Susanne Rafelski und Dr. Matheus Viana vom Allen Institute for Cell Science (USA) im Fachjournal Nature Methods festgehalten hat (siehe unten). Forschende können sie als eine Art Checkliste nutzen, wenn sie sich Gedanken über die Analyse ihrer Bilddaten machen.

  • Grundlagen

      • Sollen die Messungen relativ oder absolut sein?

      • Welche Messungen oder Variablen werden benötigt?

      • Soll eine Segmentierung oder eine Vorhersage mit Hilfe von Deep Learning erfolgen oder besteht ein bestimmtes Quantifizierungsziel?

  • Grenzen

      • Welche experimentellen Faktoren gibt es zu berücksichtigen?

      • Welche Mikroskop-Typen und Einstellungen kommen infrage?

      • Wo liegen die Grenzen der Auflösung?

  • Validierung

      • Relative oder absolute Validierung?

      • Ist das Ziel ein einmaliges oder ein robustes, skalierbares Ergebnis?

      • Soll die Genauigkeit für das gesamte Bild oder spezifische Merkmale gelten?

      • Qualitative oder quantitative Fehlerbalken?

  • Zeit und Aufwand

      • Was ist der beste Ansatz für die Analyse?

      • Wieviel Zeit und Aufwand darf die Analyse kosten?

Wie gut ist gut genug?

Einen Schlüsselschritt auf dem Weg zur biologisch gültigen Bildanalyse ist die Frage nach der Validierung, also wie genau und präzise die Messungen sein sollen. „Es ist wichtig, dass die Validierung anwendungsgerecht ist und sich an den spezifischen Zielen der Forschung orientiert“, betont Chen. Konkret heißt das, dass Wissenschaftler:innen sich im Voraus überlegen müssen, wie genau ihre Messungen sein sollen und wie viele Fehler akzeptabel sind. Wollen sie etwa Zellteile wie den Zellkern oder die Mitochondrien messen, könnten sie sich die Frage stellen: Ist das exakte Volumen der Organellen relevant, oder geht es vielmehr darum, verschiedene Volumina zu vergleichen? Bei Letzterem spielt das genaue Volumen möglicherweise keine so große Rolle, für den Vergleich müssen die genutzten Computerprogramme aber in verschiedenen Situationen umso besser konstant funktionieren.  

Portrait von Dr.  Jianxu Chen.

Dr. Jianxu Chen

© ISAS / Hannes Woidich

Ein ständiges Anpassen – mithilfe von KI

Doch selbst sehr gute Bilderkennungsalgorithmen arbeiten nicht immer gleich gut, wenn sich beispielsweise die Form der Organellen nur leicht verändert. Die Forschenden müssen ihre Messungen also regelmäßig überprüfen und validieren, einzelne Parameter anpassen oder im schlimmsten Fall sogar ein ganz anderes Programm verwenden. „Bleiben solche Anpassungen unberücksichtigt, kann dies zu grundlegenden Missinterpretationen biologischer Ergebnisse führen“, warnt Chen. Eine Lösung sieht er im Deep Learning, eine Form des maschinellen Lernens, die automatisch Muster und Merkmale aus großen Datenmengen extrahieren kann. Seine Arbeitsgruppe hat bereits ein Plug-in basierend auf Deep Learning für die Segmentierung von Immunzellen (s. Infobox) entwickelt. Bei der Validierung könnte Deep Learning Forschenden zukünftig etwa dabei helfen, Leistungsabfälle in ihren Bildanalysealgorithmen automatisiert zu erkennen.

Segmentierung

In der biomedizinischen Forschung kann es hilfreich sein, verschiedene Strukturen wie Zellen in einem Bild zu erkennen und voneinander abzugrenzen. Diesen Prozess nennt man Segmentierung. Lange war es üblich, die Aufnahmen dafür einzeln durchzugehen und per Hand zu annotieren (zuzuordnen). Mit steigenden Datenmengen und Bildgrößen greifen Forschende heute jedoch zunehmend auf Deep Learning basierte Programme zurück. Diese sind nicht nur deutlich schneller, sondern auch wesentlich objektiver und genauer. Trotzdem dienen die händischen Annotationen häufig noch als Trainingsgrundlage für diese Deep-Learning-Algorithmen. Im Vergleich zu mit biologischer Grundwahrheit trainierten Modellen, kommt es bei solchen, die mit manuellen Annotationen trainiert wurden, zu über 30 Prozent Fehlern (siehe Sonneck 2023). Unter der biologischen Grundwahrheit verstehen die KI-Expert:innen die optimale Annäherung an die objektive Realität, die mit einer einzelnen Analyse nur schwer zu bestimmen ist. Statt mit manuellen Annotationen, ermitteln Expert:innen die biologische Grundwahrheit mithilfe experimentell-computergestützten Analysen.

Die Zukunft der Bildanalyse ist interdisziplinär

Doch Chen und seinem Team geht es nicht nur darum, bessere Wege für die Bildanalyse zu finden. Ihnen liegt viel daran sicherzustellen, dass sich ihre Methoden sowohl in der Biologie als auch in der Computertechnologie verstehen und anwenden lassen. „Wir brauchen mehr interdisziplinäre Zusammenarbeit zwischen Forschenden im Labor- und den KI-Expert:innen, am besten schon früh in der jeweiligen Ausbildung“, fordert Chen. Für diejenigen, die es nicht erwarten können, loszulegen, aber keine Spezialist:innen für Bildverarbeitung in der Nähe haben, empfiehlt Chen Online-Lernmaterialien wie den Bioimaging Guide oder Ressourcen über das Deutsche Netzwerk für Bioinformatik-Infrastruktur - de.NBI. Für spezielle Fragen gibt es auch ein Forum bei der Plattform GitHub. „Nur durch Zusammenarbeit kann sich die quantitative Mikroskopie-Bildanalyse wirklich weiterentwickeln", resümiert Chen.

Das Bundesministerium für Bildung und Forschung (BMBF) fördert die MSCoreSys-assoziierte Nachwuchgruppe AMBIOM – Analysis of Microscopic BIOMedical Images unter dem Förderkennzeichen 161L0272.

Zur Abbildung: Prompt = „I am creating a picture illustration for my article with name “The Art of Balancing: Accuracy in Image Analysis”. It is a press article about how to do bioimage analysis validation. Could you help make an illustration, as normal as possible, and as simple as possible?” Seitens ChatGPT liegen ausschließlich folgende Informationen zur Abbildung vor: „Here is the illustration representing the concept of „The Art of Balancing: Accuracy in Image Analysis” for your article. It features a balance scale with a magnifying glass on one side and a checkmark on the other, symbolizing the equilibrium between analysis and accuracy in bioimage validation.”

(Cheyenne Peters)

Teilen

Weitere Beiträge

20. Februar 2024

SARS-CoV-2: Neueste Methoden klären Wirkstoffe und Wirkprinzip uralter Selbstmedikation auf

Prophylaktische, lindernde oder gar heilende Substanzen, meist Naturstoffe, sind der Naturmedizin seit Urzeiten bekannt. Doch wie sieht es bei viralen Infekten aus? Lassen sich Tees aus Salbei oder Perilla auch – egal ob vorbeugend oder heilsam – gegen Infektionen mit SARS-CoV-2 einsetzen? Diesen Fragen ging ein interdisziplinäres Team aus Forschenden um Prof. Dr. Mirko Trilling von der medizinischen Fakultät der Universität Duisburg-Essen (UDE) und Wissenschaftler:innen am ISAS während der Coronavirus-Pandemie nach.

Das Bild zeigt Prof. Dr. Mirko Trilling mit verschränkten Armen, an einer Wand lehnend. The picture shows Prof Dr Mirko Trilling with his arms folded, leaning against a wall.
7. Februar 2024

Eine lang gesuchte Kombinations-Methode in der Massenspektroskopie

Forschende, die komplexe Proben mittels Massenspektrometer analysieren, stehen oft vor dem Problem, dass die enthaltenen Substanzen fundamental verschieden sind. Einige sind etwa chemisch polar aufgebaut, andere unpolar. Bisher erforderte dies zwei aufwändige separate Analysen. Am ISAS hat ein Forscher nun eine Methode entwickelt, mit der auch wenig polare Substanzen in einer gängigen massenspektroskopischen Analyse für polare biologische Stoffe miterfasst werden.

Daniel Foest steht im Labor und hält ein Papier mit einer Leberprobe, die er am Massenspektrometer untersucht.
12. Januar 2024

„Meine Forschung ist ein Knochenjob"

Darleen Hüser sucht nach dem immunzellulären Fingerabdruck bei rheumatoider Arthritis. Woran die Doktorandin messerscharf forscht und wozu sie verschiedene Mikroskope benötigt, gibt sie im Interview preis.

Das Porträt zeigt ISAS-Doktorandin Darleen Hüser aus der Arbeitsgruppe Bioimaging.
21. Dezember 2023

Science Slam: humorvolle Wissenschaftskommunikation macht allen Spaß

Sprechendes Laborequipment, Künstliche Intelligenz und Expertise vom Nordpol - diese bunte Mischung an Themen zeichnete den jüngsten Science Slam am Institut aus. Wie Wissenschaftskommunikation allen Beteiligten Freude bereiten kann, stellten vier ISAS-Mitarbeitende mit ihrem Fachwissen und viel Witz unter Beweis.

Luisa Becher fotografiert die vier Teilnehmenden des ISAS Science Slam.
1. Dezember 2023

Knochenforschung: ISAS am neuen Sonderforschungsbereich „DIONE“ beteiligt

Um den entzündungsbedingten Knochenabbau geht es beim von der Deutschen Forschungsgemeinschaft jüngst geförderten bundesweiten Projekt. Forschende aus Dortmund, Dresden, Erlangen/Nürnberg und Ulm wollen herausfinden, wie genau entzündliche Erkrankungen - etwa rheumatoide Arthritis oder Darmerkrankungen - die Knochen schädigen. Ihre Forschung soll unter anderem helfen, neue Therapien für skelettassoziierte Erkrankungen zu identifizieren.

Knochenstruktur mit Osteoporose.
21. November 2023

Neue Diagnosemethode für eine gefährliche Erbkrankheit

Mithilfe der Raman-Spektroskopie haben Forschende am ISAS eine neue Diagnosemethode erprobt, die möglichweise dabei helfen kann, die Erkrankung Morbus Fabry früher zu diagnostizieren. Bisher wird die Krankheit häufig zu spät erkannt - wenn sie bereits das Herz und andere Organe angegriffen hat.

Dr. Elen Tolstik.
17. Mai 2023

PODCAST »NACHGEFORSCHT – DIE LIVESCHALTE INS LABOR« Folge 8: Unterschätzte Tausendsassa unter den Molekülen - Lipide

Um die Anzahl, Art und Beschaffenheit von Lipiden dreht sich Prof. Dr. Sven Heiles' Alltag. Was den Chemiker an diesen facettenreichen Molekülen so fasziniert und was die Lipidsignatur beispielsweise in puncto Hautkrebs leisten kann, verrät er in der jüngsten Folge des ISAS-Podcasts.

4. Mai 2023

Was machst du am ISAS, Joy?

Welche Rolle spielt der Sauerstoffgehalt im Blut bei einer Thrombose? Mit dieser und weiteren Fragen beschäftigt sich Joy Amrei Brummel in ihrer Bachelorarbeit. Die 24-jährige Studentin berichtet, wie sie ihr Uni-Wissen im ISAS-Labor anwendet.

Joy Amrei Brummel stellt eine Probe in die Zentrifuge.
31. Januar 2023

Das ISAS gratuliert Sven Heiles zur Habilitation

Mit seinem Vortrag über Analytische Chemie in der Paläontologie an der Justus-Liebig-Universität (JLU) Gießen hat Heiles nun seine Habilitation erfolgreich abgeschlossen.

Prof. Dr. Sven Heiles.