--- title: "AI HUB Nürnberg: Use Case Digitale Pathologie & Spatial Biology" url: "https://www.ai-hub-nue.de/ki-community/anwendungsfaelle/use-case-fraunhofer-iis-1/" description: "Bildanalyse KI zur Interpretation/Auswertung von digitalisierten Gewebeschnitten oder zytologischen Proben | Use Case des Fraunhofer IIS" date: 2025-03-20 modified: 2025-03-20 lastUpdated: 2025-03-20 --- # AI HUB Nürnberg: Use Case Digitale Pathologie & Spatial Biology Digitale Pathologie & Spatial Biology =========================================== ![](https://www.ai-hub-nue.de/_assets/processed/dD_DFKnTGtFDupQHcF1vCCtfKqTs4-cTZHcsZttrDM8/q:85/w:433/h:244/fn:Y3NtX2EzYjQzZmUxLThmYjQtNGQ3QXBwLUlIQy1DZWxsXzUzMzgwMDhhN2E:t/cb:940747c31fe70206de50b667ebf9cd009dd79fe2/bG9jYWw6L2ZpbGVhZG1pbi9CaWxkZXIvQUlfVXNlX0Nhc2VzL2EzYjQzZmUxLThmYjQtNGQ3QXBwLUlIQy1DZWxsLnBuZw) Beschreibung: Bildanalyse KI zur Interpretation/Auswertung von digitalisierten Gewebeschnitten oder zytologischen Proben Einsatzbereich: Life Science Forschung, Diagnostik, Biomarker Discovery, ... Technologie: Segmentierung, Klassifikation, Foundation Models, Few Shot Learning Funktionsweise & Implementierung: Wir entwickeln Modelle im Kontext von FuE Aufträgen und Forschungsprojekten sowie als Erweiterung unserer MIKAIA Bildanalyse Software (www.mikaia.ai), die von Partnern an Life Science Forschende weltweit vertrieben wird. Herausforderungen & Bewältigung dieser: - Analyse riesiger Bilder langsam. Lösung: Optimierung der Modelle spezifisch für die vorhandene GPU. Kachelweise Verarbeitung. Vor- und Nachverarbeitung mit CPU parallel zur KI auf der GPU. - viele Daten benötigt. Lösung: Einsatz von Few Shot Learning und/oder Foundation Models. - heterogene Daten im Feld. Lösung: starke Augmentierung beim Training - Erstellung Trainings-Datenbank aufwendig. Lösung: Bootstrapping. Mit kleiner DB starten, 1. Modell trainieren, dies nutzen für Vorhersagen und diese manuell korrigieren. Anschließend 2. Modell trainieren, usw. - Entwicklung muss meist schnell gehen. Lösung: zurückgreifen auf existierende KI Modelle aus der Literatur, die sich in ähnlichen Anwendungsfällen bewiesen haben. Anpassen oder Re-training dieser Modelle auf aktuellen Use Case. ![](https://www.ai-hub-nue.de/_assets/processed/eeSsc76oWcJA-payQM2Yck_z3pWOUYh_pGRWapjpFLU/q:85/w:433/h:289/fn:Y3NtX3ZvbGtlcl9icnVuc18wMDQ2MzQwMzkw:t/cb:bbd8308db674add1c6eef321c5b44b76f4b9ac1f/bG9jYWw6L2ZpbGVhZG1pbi9CaWxkZXIvQUlfQ29tbXVuaXR5L3ZvbGtlcl9icnVucy5qcGc) Ansprechpartner: Volker Bruns | Fraunhofer IIS