Microscopie automatisée pour l’analyse des cellules sanguines à haut débit via CNN
Qu’est-ce que la microscopie à haut débit ?
Quelles classes de cellules sanguines les techniciens de laboratoire observent-ils dans un échantillon au microscope ? Combien y a-t-il de cellules de chacun, et quelles sont leurs tailles et formes ? Les réponses à de telles questions aident les médecins à diagnostiquer des maladies telles que le paludisme, la tuberculose ou les troubles hématologiques-oncologiques. Cependant, un regard à travers un microscope est sujet aux erreurs, prend du temps et est donc coûteux. Un système de vision par ordinateur basé sur un CNN (Convolutional Neural Network) automatise le processus.
What is the challenge in manual blood cell analysis?
Lab analyses of blood smears should be reliable, fast and yet inexpensive. All of this is made possible by automating the analysis process with the help of a CNN-based computer vision system. But the requirements for high resolution and high speed result in large data amounts that must be transmitted and processed quickly.
The solution for high-throughput microscopy: blood cell analysis via CNN
In our demo, we use a CNN to identify Plasmodium genera in blood smears, which can cause the infectious disease malaria. The CNN sorts the Plasmodia into one of seven predefined classes and counts them. The result makes it possible to reliably determine the form of malaria. To solve this or a similar problem, we will select the right hardware and software components for you and will configure them into a coherent computer vision system.
The system hardware in this demo includes a dual-channel boost color camera with 20 MP resolution, 1.1” sensor format and CXP-12 interface. The camera enables you to capture very rapidly cycled images with a high resolution – the basis for high scanning speed or a high sample throughput. The (pre-)processing and analysis of the high data amount requires additional suitable components. In this case, the programmable imaWorx CXP-12 Quad frame grabber handles not only the image processing and analysis but also supports features such as the autofocus with the help of FPGA-based real-time data pre-analysis. A C-mount lens and two CXP-12 data cables complete the system hardware.
Basler’s VisualApplets software is used to program the frame grabber FPGA. The configuration and programming of the data pre-analysis, as well as the implementation of the CNN on the frame grabber FPGA are performed on the software’s graphic user interface. The CNN is trained beforehand on the host side. However, the frame grabber FPGA provides sufficient capacity for the implementation of the CNN and enables high-performance inference. Depending on the customer requirements, the CNN is either trained once and implemented on the frame grabber’s FPGA or the customer is given the option to adapt the CNN later.
Les avantages d’une solution de vision pour la microscopie automatisée
Excellente qualité d’image de l’appareil photo boost grâce aux capteurs Sony Pregius S (par exemple IMX531)
Interaction optimale du matériel, qui génère rapidement de grandes quantités de données et les traite avec des performances élevées (appareil photo CXP-12 de 20 MP et carte d’acquisition d’images)
La pré-analyse des données et l’évaluation basée sur CNN sont effectuées en temps réel avec plus de 900 Mo/s sur la carte d’acquisition d’images, ce qui réduit les exigences du système et les coûts du côté de l’hôte
Grande fiabilité de la classification et disponibilité très rapide des résultats
Produits pour cette solution
Vous cherchez à mettre en œuvre une solution comparable ? Ces produits vous aideront.
