Автоматизация микроскопических исследований для повышения производительности лабораторий: анализ крови с помощью СНС
Что подразумевается под высокопроизводительной микроскопией?
Какие виды клеток крови различают лабораторные техники на предметном стекле под микроскопом? Сколько клеток каждого вида обнаружено в мазке крови, каких они размеров и форм? Ответы на подобные вопросы могут помочь докторам диагностировать заболевания, такие как малярия, туберкулез и онкогематологические болезни. Однако для микроскопических исследований, выполняемых «вручную», характерны недостаточная надежность и трудоемкость, а значит, высокая стоимость. Этот процесс можно автоматизировать с помощью системы компьютерного зрения на базе сверточной нейронной сети (СНС).
В чем заключается сложность анализа крови вручную?
Лабораторный анализ мазков крови должен быть надежным, быстрым и при этом недорогим. Эти цели достижимы благодаря автоматизации процесса с помощью системы компьютерного зрения со сверточной нейронной сетью. Однако требования к высокому разрешению и высокой скорости также означают необходимость передачи и обработки огромных объемов данных.
Решение для высокопроизводительной микроскопии: анализ крови с помощью СНС
В демонстрационной системе для обнаружения в мазках крови плазмодий, несколько видов которых являются возбудителями такого инфекционного заболевания, как малярия, используется сверточная нейронная сеть (СНС). С помощью СНС обнаруженные плазмодии присваиваются одному из предварительно определенных классов, и выполняется их подсчет. Эта технология позволяет достоверного определить форму малярии. Для решения этой или подобной задачи Basler подберет для вас соответствующие аппаратные и программные компоненты и объединит их в надежную систему компьютерного зрения.
Аппаратное обеспечение демонстрационной системы включает в себя двухканальную цветную камеру boost разрешением 20 Мп, сенсор оптического формата 1,1” и интерфейс передачи данных CXP-12. Камера ведет быструю съемку на высоком разрешении, что является залогом высокой скорости сканирования образцов, а значит, высокой производительности лаборатории. Для (предварительной) обработки и анализа таких больших объемов данных необходимы соответствующие дополнительные компоненты. В данном случае была выбрана программируемая плата видеозахвата (фреймграббер) imaWorx CXP-12, которая не только отвечает за обработку и анализ изображений, но и поддерживает другие функции, например автофокус, за счет предварительной подготовки данных в реальном времени средствами FPGA. Объектив C-Mount и два кабеля передачи данных CXP-12 дополняют аппаратное обеспечение системы.
Для программирования FPGA фреймграббера используется программное обеспечение Basler VisualApplets. Конфигурирование и программирование функций предварительной подготовки данных, а также развертывание СНС на FPGA фреймграббера осуществляются в графическом интерфейсе пользователя VisualApplets. Обучение СНС проводится предварительно на стороне управляющей системы, однако FPGA фреймграббера имеет достаточную вычислительную мощность для работы СНС и выполнения логических выводов с высокой эффективностью. В зависимости от предъявляемых клиентом требований, либо СНС обучается однократно и затем работает на FPGA фреймграббера, либо клиенту предоставляется возможность последующей адаптации СНС.
Преимущества решения с технологиями компьютерного зрения для автоматизированной микроскопии
Превосходное качество изображения с камеры boost благодаря установленным сенсорам Sony Pregius S (например, IMX531).
Оптимальное взаимодействие между аппаратными компонентами, в результате чего достигается высокая производительность при генерировании и обработке больших объемов данных (камера CXP-12 разрешением 20 Мп в комбинации с фреймграббером).
Предварительная подготовка данных и их анализ с помощью СНС на стороне фреймграббера в реальном времени на скорости свыше 900 МБ/с, что позволяет снизить требования к управляющей системе, а значит, и затраты на нее.
Исключительная надежность классификации и быстрое получение результатов.
Компоненты этого решения
Хотите реализовать подобное решение? Обратите внимание на эти компоненты.
