Die Studie, die gemeinsam mit dem Pharmakonzern Baxter erarbeitet wird, beschäftigt sich mit dem H5N1 Virus. Zu Testzwecken von H5N1 Impfungen wachsen infizierte Zellen (mit oder ohne Impfung) über sieben Tage hinweg. Nach dieser Zeitspanne wird eine Auswahl unter einem Mikroskop fotografiert und der Einfluss der Impfung von Fachleuten klassifiziert. Menschliche Klassifikation ist langsam, teuer und fehleranfällig.
Daher wird im VRVis versucht, die Klassifikation zu automatisieren. Mit Hilfe von Fotografien von "Mikrotiter Wells" (oder Teile von diesen), ist es die Aufgabe von VRVis, Klassifikationsalgorithmen zu entwickeln und diese entscheiden zu lassen (möglichst mit einer 100% Genauigkeit), ob die Zellen in der "Well" schon infiziert sind oder nicht. Dabei wird mit einer überwachten Lernfunktion gearbeitet, wo aus den gelierten Trainingssets (z.B: bereits klassifizierte) von Bildern nach genau jenen Bildfeatures gesucht wird, die die Unterscheidung zwischen den Positiven und den Negativen Sets ermöglichen.
Die gesamte Studie ist in ihrer Endphase und es gibt sehr gute Nachrichten für Baxter. Dank dem Algorithmus "Support Vector Machines" konnte eine 100% Klassifikation für jedes der zehn Trainingssets (über 3000 Testbilder) gefunden werden. VRVis ist davon überzeugt, dass diese Studie für Baxter einen großen Schritt in Richtung Anwendung des H5N1 Impfstoffes bedeutet.
Kontakt:
Dr. Jiří Hladůvka VRVis Zentrum für Virtual Reality und Visualisierung Forschungs-GmbH
Donau-City-Straße 1, 1220 Wien