Microscopia automatizzata per l'analisi di cellule del sangue ad alto rendimento tramite CNN
Che cos'è la microscopia ad alto rendimento?
Quali classi di cellule del sangue vedono i tecnici di laboratorio in un campione al microscopio? Quante celle ci sono di ciascuno e quali sono le loro dimensioni e forme? Le risposte a domande come queste aiutano i medici a diagnosticare malattie come la malaria, la tubercolosi o i disturbi ematologico-oncologici. Tuttavia, uno sguardo al microscopio è soggetto a errori, oltre che dispendioso in termini di tempo e quindi costoso. Un sistema di computer vision basato su una CNN (Convolutional Neural Network) automatizza il processo.
Qual è la sfida nell'analisi manuale delle cellule del sangue?
Le analisi di laboratorio degli strisci di sangue dovrebbero essere affidabili, veloci e allo stesso tempo poco costose. Tutto questo è reso possibile dall'automazione del processo di analisi con l'aiuto di un sistema di visione artificiale basato su CNN. Ma i requisiti di alta risoluzione e alta velocità si traducono in grandi quantità di dati che devono essere trasmessi ed elaborati rapidamente.
La soluzione per la microscopia ad alto rendimento: analisi delle cellule del sangue tramite CNN
Nella nostra demo, utilizziamo una CNN per identificare i generi di Plasmodium negli strisci di sangue, che possono causare la malattia infettiva della malaria. La CNN ordina i plasmodi in una delle sette classi predefinite e le conta. Il risultato consente di determinare in modo affidabile la forma della malaria. Per risolvere questo problema o un problema simile, selezioneremo i componenti hardware e software giusti per te e li configureremo in un sistema di visione artificiale coerente.
L'hardware del sistema in questa demo include una fotocamera a colori boost a doppio canale con risoluzione di 20 MP, formato sensore da 1,1" e interfaccia CXP-12. La fotocamera consente di acquisire immagini cicliche molto rapide con un'alta risoluzione, la base per un'elevata velocità di scansione o un'elevata produttività dei campioni. La (pre)elaborazione e l'analisi dell'elevata quantità di dati richiede ulteriori componenti adatti. In questo caso, il quad frame grabber programmabile imaWorx CXP-12 gestisce non solo l'elaborazione e l'analisi delle immagini, ma supporta anche funzioni come l'autofocus con l'aiuto della pre-analisi dei dati in tempo reale basata su FPGA. Un obiettivo C-mount e due cavi dati CXP-12 completano l'hardware del sistema.
Il software VisualApplets di Basler viene utilizzato per programmare l'FPGA frame grabber. La configurazione e la programmazione della pre-analisi dei dati, così come l'implementazione della CNN sull'FPGA frame grabber, vengono eseguite sull'interfaccia utente grafica del software. La CNN viene formata in anticipo sul lato ospitante. Tuttavia, l'FPGA frame grabber fornisce una capacità sufficiente per l'implementazione della CNN e consente l'inferenza ad alte prestazioni. A seconda delle esigenze del cliente, la CNN viene addestrata una volta e implementata sull'FPGA del frame grabber oppure al cliente viene data la possibilità di adattare la CNN in un secondo momento.
I vantaggi di una soluzione di visione per la microscopia automatizzata
Eccellente qualità dell'immagine della fotocamera boost grazie ai sensori Sony Pregius S (ad es. IMX531)
Interazione ottimale dell'hardware, che genera rapidamente grandi quantità di dati e li elabora con prestazioni elevate (fotocamera CXP-12 da 20 MP e frame grabber)
La pre-analisi dei dati e la valutazione basata su CNN vengono eseguite in tempo reale con oltre 900 MB/s sul frame grabber, riducendo i requisiti di sistema e i costi sul lato host
Elevata affidabilità della classificazione e disponibilità molto rapida dei risultati
Products for this solution
Looking to implement a comparable solution? These products will help you.
