Dr. Amirreza Mahbod hat gemeinsam mit Forscher*innen der Medizinischen Universität Wien (Prof.in Isabella Ellinger, Prof. Georg Dorffner), TissueGnostics (Prof. Rupert Ecker), der Danube Private University (Ass.-Prof.in Dr.in Sepideh Hatamikia) und der Loughborough University (Prof. Gerald Schaefer) einen Artikel mit dem Titel: "A dual decoder U-Net-based model for nuclei instance segmentation in hematoxylin and eosin-stained histological images" im Frontiers in Medicine Journal veröffentlicht.
Ziel dieser Arbeit war es, einen neuartigen, auf künstlicher Intelligenz (KI) basierenden Ansatz zur Segmentierung von Kerninstanzen vorzuschlagen, die eine Schlüsselkomponente bei der Analyse histologischer Bilder ist und für nachgelagerte Analysen wie die Krebseinstufung verwendet werden kann. Das entwickelte KI-basierte Modell bestand aus zwei speziellen Abschnitten zur Unterscheidung zwischen Kernhintergrund und -vordergrund und Vorhersage der euklidischen Distanzkarten für alle Kerne in einem bestimmten Bild. Durch die Verfeinerungen in der Nachbearbeitung erreichte der vorgeschlagene Ansatz eine ausgezeichnete Leistung bei der Segmentierung von Instanzen, wenn er auf eine Reihe von öffentlich zugänglichen Datensätzen angewandt wurde, und übertraf die meisten Algorithmen auf dem neuesten Stand der Technik.