美嘉儀器的另一挑戰與使命, 於顯微影像科技引入 人工智慧 AI

發布日期:2021/8/26



我們深刻了解, 人工智慧 AI  , 也會是顯微鏡影像技術的未來之一, 盡管, 目前, 僅是萌芽階段, 我們還是會默默地引進一系列相關技術與應用, 以因應未來的顯微影像世界

顯微鏡影像借助人工智慧 AI 科技, 主要是倚賴於顯微圖像的分析, 通過深度學習, 強制學習, 集成學習, 從大數據導出適用可信賴的演算法. 藉以提升顯微圖像的精確分析與高度的工作效率.



數位化的病理圖像分析即是一個開始.
 
傳統上,病理科醫師在進行病理組織切片的形態學檢查時, 一般, 僅是留下診斷文字紀錄而非影像紀錄。隨著數位化玻片掃瞄系統的成熟,能自動將組織病理切片進行完整的掃描,病理因此有了數位化契機。也可藉由數位化後導出人工智慧的演算分析, 從龐大的數據, 通常會透過深度學習技術,讓近乎超級電腦 的「學習」專家醫研人員的醫療知識,從模擬醫生的思維和診斷推理,導入更客觀更精準的判斷技能, 例如:在數百萬個病例資料庫中,閱讀癌症或其他病灶的醫學診斷圖像,透過深度學習提升診斷和治療的正確率,補助醫師進行診療。讓病理診斷分析進入新世代


近期美國Science 期刊一封面闡述了人工智慧 AI 技術, 通過深度神經網路的深度學習方法 ( Deep learning ), 大大改進了對RNA結構的預測, 這不僅是一篇敘述而已, 而是眾多領域皆已悄悄進入人工智慧輔助分析的進程了
 
研究人員推出了ARES(原子旋轉等變記分器), 這一種通過機器學習的方法,相較於以前的方法,該方法在計算預測RNA結構時有了很大改進。與蛋白一樣,RNA分子會扭曲並折疊成對其功能至關重要的複雜三維形狀。 瞭解這些結構有助於揭示RNA的生物學功能,其中就包括非編碼RNA的功能,為治療頑疾的新藥發現做好了準備。





AI-driven Pathology - breakthrough in pathology by Visiopharm

Visiopharm's Deep Learning Toolbox, Tissue Mining, and Image Analysis by Brit Boehmer PhD - YouTube

創新的數位病理是通過人工智慧 AI 技術, 通過訓練, 深度學習, 提供主治醫師更客觀與精準快速的病理判讀報告以研擬治療策略。
 
目前在整體切片掃描數位成像 ( Whole slide Scanner )、基因組織學和其他預防技術分析和診斷已都有不錯的成果, 其中, 結合 Hamamatsu 的切片掃描儀, 與, Visopharm 智能 AI 分析軟體, 可以同時通量分析癌症組織細胞核、細胞質、及標靶分子的特質,可落實2D/3D的組織 特徵, 幫助病理判讀更加精準. 是數位病理在發展精準醫學的一條可行的道路.





The AI image analysis module facilitates automatic cell identification on H&E and IHC stained tissue sections – saving time and the staining of multiple sections. Advanced deep neural networks are made available in three easy steps.

Deep learning can identify a full range of mitotic figure morphologies, allowing analysis across entire tissue samples and replacing tedious and error-prone manual enumeration approaches.





ASI (以色列) 擁有渾厚的染色體比對分析技術, 在最新版軟體 8.3 起, 導入使用更方便的人工智慧 AI 掃描比對分析, 通過神經網路, 整合染色體核型比對的深度學習辨識功能, 達到高通量的掃描分析效益.

當我們在執行染色體核型比對的工作時, 經常碰到染色體呈現重疊, 斷落, 交叉, 糾結在一起, 雖然 ASI 已有快速簡易使用的 魔術筆 功能, 讓用戶可以落實快速簡易分離染色體的成效, 達到快速精準的染色體核型比對.  ASI 的魔術筆功能配合自動比對功能, 其實, 已經與仿間的其他廠商的所謂 AI 染色體比對功能, 兩者之間, 速度幾乎是一樣, 反而是 ASI 的
精確率更精準., 有時速度還更快 !

然而, ASI 新的 8.3 版本, 在此一既有的基礎上, 增加更多的人工智慧, 讓機器學習, 可以更快速精準的辨識每一號染色體, 達到全自動染色體分離與比對的成果.





 








LEICA Aivia 採用從機器學習到深度學習的人工之能科技 AI,提供顯微鏡影像圖像的視覺化分析, 達到下列的立即效益 :

1). 讓所有人都能進行人工智慧圖像分析——無需具備電腦科學專業知識
2). 充分利用 AI學習技術,生成可靠且可重複的分割結果
3). 進行有效而快速的2D至5D視覺化和分析,深入挖掘資料的價值
 
將人工智能 AI 科技, 在顯微鏡影像技術, 結合為光電數位平台, 其未來的發展潛力是很可觀的.
 
LEICA Aivia 是一個以創新領先的 AI 解決方案, 應用在 2D-5D 顯微鏡影像的可視化分析。通過大數據的分析, 幫助用戶從顯微鏡成像數據中獲得有意義的判圖分析,可以將用戶轉變為專家分析師。


Aivia 使用人工智慧系統, 實現完全自主圖像分析, 獲得以前從未見過的 3D 顯微圖像,它可以預測並自動設置獲得良好 3D圖像的分析模式。 已被用於預測心臟病發作、中風和阿茲海默症的發作.


LEICA Aivia中的人工智能工具簡化了微鏡影像分析的工作流程,能夠為您的實驗室提供量身定制的資料解決方案。目前有四款應用選項 :

Aivia Cell Bio : 生命科學的影像應用

Aivia 3D : 達到5D的數據處理分析

Aivia Neuro : 神經科學研究

AiviaWeb : 穿越時空, 網路瀏覽分析





ASI (以色列) 除了發展染色體的全自動掃描與人工智慧 (AI) 核型比對分析技術外, 基於旗下 FISH 影像分析技術, 針對各種腫瘤標記的體外診斷分析, 也開始推出與時俱進的 人工智慧 (AI) 技術, 增進分析的精確性與提高工作效率. 讓臨床輔助分析做到標準化.
  
ASI 正在引入基於 人工智慧AI 的 演算法, 通過深度學習, 改進和一致化的 FISH 影像質量, 改進的信號可視化, 準確而穩健的腫瘤標記螢光信號檢測, 自動優化分析參數.
 

人工智慧 AI 對用戶的價值:
1. 自適應採集參數,確保樣本中所有視野細胞的外觀一致
2. 減少外部碎片和細胞核的干擾
3. 通過自動信號處理, 讓螢光信號更清晰、更突出, 足以更精準的偵測分析.
4. 在審查和分析過程中, 無需手動操作, 完全採用自動人工智慧輔助分析.