Digitale Pathologie mit Raspberry Pi
Verfasst von Bryan Zafra am 06.12.2022
Eine genaue Diagnose ist für die Behandlung der Krankheit des Patienten sehr wichtig. Sie beeinflusst, welche Behandlung der Patient benötigt. Eine falsche Diagnose führt zu einem falschen Management oder einer falschen Behandlung, die zu Schäden führt. Im Bereich der Medizin ist eine präzise Diagnose teuer. Allein die Anwendung einer histopathologischen Färbung kostet zwischen 10 und 37 USD; wenn man die fachliche Beurteilung des Pathologen mit einbezieht, kann der Preis bis zu 300 USD pro Stunde betragen. [1,2,3] Dies ist für die Patienten kostspielig, vor allem, wenn sie aus eigener Tasche zahlen müssen. Das Projekt Med4PAN versucht, eine Lösung für dieses Problem zu finden. Mit den aktuellen Fortschritten im Bereich des digitalen Gesundheitswesens, wie z. B. maschinelles Lernen und Internet der Dinge, versuchen wir, diese Fortschritte zu nutzen, um die Kosten für histopathologische Diagnosen zu senken, indem wir ein KI-Modell mit einer Präzision erstellen, die der eines menschlichen Experten nahe kommt. Unser Hardware-Setup besteht aus:
Mikroskop
C-Mount-Adapter
Raspberry Pi mit modularer Kamera
LED-Monitor, Tastatur, Maus
Der Raspberry Pi ist ein kleines Computersystem, das maximal 8,5 x 5,6 cm groß ist und in das verschiedene Hardwaremodule eingebaut werden können. Für die Einrichtung im med4PAN-Projekt wird eine Digitalkamera mit 12-Megapixel-Sensoren zu einer modularen Komponente des Raspberry Pi. Auch der LED-Monitor, die Tastatur und die Maus werden an den Raspberry Pi angeschlossen
Das Kameramodul wird an den C-Mount-Adapter angeschlossen, der mit dem trinokularen Anschluss des Mikroskops verbunden ist. Der Objektträger für die Histopathologie wird auf dem Mikroskoptisch befestigt. Die Objektivlinse kann für die gewünschte Vergrößerungsstufe ausgetauscht werden. Das Bild des Objektivs wird durch das trinokulare Objektiv auf den C-Mount-Adapter übertragen und von der modularen Kamera empfangen. Der Raspberry Pi verfügt über ein eigenes Betriebssystem und eine Software, die das Bild des histopathologischen Objektträgers darstellen kann. Dieses Bild kann im Speicher des Raspberry Pi gespeichert und über das Internet verschickt werden. Darüber hinaus können fortgeschrittene histopathologische Bildanalysen durchgeführt werden, wie z. B. Bildklassifizierung und Objekterkennung mithilfe von maschinellem Lernen.
