Zellbiologie

Wir entwickeln KI-basierte Auswertungen von Fluoreszenz-Messungen für Sie.

Wir haben eine Algorithmus-Pipeline entwickelt, die die Schädigung von Zellkernen anhand der Fluoreszenzintensitäten misst und die Zellkerne klassifiziert. Auf Grundlage dieser Ergebnisse ist es auch möglich, Vorhersagen über das mögliche Fortschreiten von Krankheiten zu berechnen.

Mehr Präzision bei der Auswertung in Fluoreszenzmessungen

Unser Algorithmus kann auch zur Detektion und zur Quantifizierung von Genamplifikationen oder Chromosomenaberrationen bei FISH (Fluoreszenz-in-situ-Hybridisierung) verwendet werden. FISH ist der derzeit der Goldstandard für den RNA- oder DNA-Nachweis in diagnostischen Routinelabors auf der Grundlage von FFPE-Präparaten in der Histologie.

Verringerung der Interobserver-Variabilität

Wir haben eine Sensitivität von 0,92 und eine beeindruckende Präzision von 0,93 nachgewiesen. Dies weist darauf hin, dass der Algorithmus hocheffektiv bei der Bestimmung echter positiver Fälle vorgeht und gleichzeitig falsch-positive Ergebnisse minimiert, was ihn zu einem robusten und zuverlässigen Algorithmus für die Detektion von Zellschäden macht.

Wir individualisieren Ihre Software

Sie wollen Ihren Kunden zusätzlich zu Ihren Produkten eine Software bieten, die die Auswertung nach gegebenen Richtlinien übernimmt? Wir entwickeln maßgeschneidert zum Detektion-und Klasifizierungs-Algorithmus ein userfreundliches Frontend oder Dashboard, das auf Ihren Anforderungen basiert. Unsere Software-Entwicklung erfolgt nach EN-ISO 13485, so dass Ihr Grundstein für die Zulassung nach IVDR oder MDR gelegt ist.

Einsatz in der Fluoreszenz-Mikroskopie

Die Anwendung automatisiert die Zählung, Quantifizierung und Klassifikation von geschädigten und intakten Zellkernen. Die Ergebnisse lassen eine prädiktive Vorhersage des Krankheitsverlauf zu.

Das können wir für Sie tun

Machbarkeitsüberprüfungen für Ihre KI-Idee
Definition der Anforderungen für Ihr KI-Softwareentwicklungsprojekt
Entwicklung von KI-Software als externer Partner, insbesondere in den Bereichen Computervision zur intelligenten Bildanalyse von medizinischen Aufnahmen (z.B. Mikroskopie, Radiologie, Sonografie) anhand Deep Learning Modellen und automatisierter, transparenter Befunderstellung durch den Einsatz von Entscheidungsbäumen (erklärbare KI)