Onderzoek Thomas De Kerf

Abstract

Histologische analyse is cruciaal in de pathologie, maar berust op chemische kleuringen die tijdrovend, duur, destructief voor monsters en milieubelastend zijn. Huidige virtuele kleuringstechnieken proberen deze kleuringen computationeel te repliceren, maar gebruiken deep learning-methoden die hallucinaties kunnen introduceren, wat de klinische betrouwbaarheid schaadt. Daarom introduceer ik HyperStain, een innovatieve aanpak die hyperspectrale beeldvorming (HSI) combineert met punt-spectroscopie om nauwkeurige virtuele kleuringen te genereren zonder de nadelen van chemische kleuring of deep learning-artefacten. Door de snelheid en resolutie van HSI te combineren met de chemische specificiteit van spectroscopische technieken zoals FTIR en Raman-spectroscopie, streven we naar een verklaarbare en betrouwbare virtuele kleuringmethode. De doelstellingen van dit project zijn: (1) ontwikkelen van deze nieuwe virtuele kleuringstechniek, (2) identificeren van optimale spectrale golflengten voor virtuele kleuring, en (3) valideren van onze aanpak ten opzichte van bestaande beeldvormingstechnieken. Bovendien zullen we een grote, multi-modale en multi-kleuring virtuele kleuring-database creëren. Door de noodzaak van chemische kleuring te elimineren en de nadelen van black-box AI-modellen te vermijden, biedt HyperStain een sneller, kosteneffectief en milieuvriendelijk alternatief dat weefselmonsters behoudt voor verdere analyse en de diagnostische nauwkeurigheid verbetert.

Onderzoeker(s)

• Promotor: Vanlanduit Steve
• Mandaathouder: De Kerf Thomas

Onderzoeksgroep(en)

• InViLab

Project type(s)

• Onderzoeksproject

Abstract

Dit project behelst de studie van vocht in historische gebouwen met behulp van hyperspectrale scanners. Vocht in gebouwen wordt veroorzaakt door slagregen, opstijgend grondvocht, overstromingen, lekkende infrastructuur en condensatie. Periodische veranderingen in het vochtgehalte van materialen is de belangrijkste oorzaak voor verschillende degradatiemechanismen. Traditionele methodes voor het analyseren van vocht in gebouwen, zoals gravimetrische of elektrische methodes, zijn typisch arbeidsintensief, invasief en hebben een beperkte omvang. De ontwikkeling van hyperspectrale scanners laat in-situ analyse van anomalieën in grootschalige structuren zoals gebouwen toe. Deze anomalieën zijn onder meer het gevolg van de aanwezigheid van water, wat resulteert in een specifieke absorptie van bepaalde delen van het korte golf infrarode spectrum. Deze toepassing bouwt verder op recente ontwikkelingen in hyperspectrale data-analyse, van waaruit afleidingen van het vochtgehalte van poreuze media, zoals baksteen en natuursteen, te maken zijn. De ontwikkelingen worden gevalideerd op testsites. Deze benadering zal de methodologie van de conservatie- en restauratiepraktijk fundamenteel veranderen, omdat de analyse van volledige gebouwen leidt tot een vollediger beeld van de situatie, uiteindelijk leidend tot een accuratere en meer gedetailleerde staalname voor verder onderzoek.

Onderzoeker(s)

• Promotor: De Kock Tim
• Co-promotor: De Kerf Thomas
• Co-promotor: Koirala Bikram
• Mandaathouder: Sunil John

Onderzoeksgroep(en)

• Erfgoedwetenschappen Antwerpen (ARCHES)

Project type(s)

• Onderzoeksproject

Abstract

De dreigende stijging van 31% in kankergevallen tegen 2030, gecombineerd met een kritisch tekort aan histopathologen, benadrukt de dringende behoefte aan innovaties in diagnostische methodologieën. Een tijdsintensief aspect van histopathologie is het kleuren van weefselsneden, een cruciale stap voor ziekte diagnose en onderzoek. Recent is hyperspectrale beeldvorming voorgesteld om virtuele kleuringen op ongekleurde weefsels te genereren, een techniek die weefselanalyse zou kunnen revolutioneren. Deze methode belooft verminderde fouten, verhoogde efficiëntie, mogelijkheden voor meervoudige kleuring en behoud van monsters. Echter, de techniek is momenteel beperkt door kleine steekproefgroottes, ongedefinieerde effectiviteit van golflengtebanden en beperkte toegankelijkheid van gegevens. Dit onderzoeksproject streeft ernaar de steekproefgrootte uit te breiden tot 100 sneden van vier soorten kanker, gebruikmakend van drie verschillende hyperspectrale camera's. We zullen een uitgebreide database creëren, aanvankelijk gebruikmakend van de H&E-kleuring als referentie. Het tweede doel van het project is om diepgaande leer algoritmes in te zetten om hyperspectrale gegevens om te zetten in virtuele kleuringen en om de meest effectieve golflengtebanden te bepalen. Tot slot streven we ernaar onze bevindingen en dataset openlijk te delen om samenwerkingsvooruitgang aan te moedigen. Bij InVilab beschikt onze infrastructuur over een uitgebreid assortiment aan beeldvormingsapparatuur, inclusief een quantum cascade laser, wat onze onderzoeksmogelijkheden in hyperspectrale beeldvorming verbetert. Echter, we kampen momenteel met een tekort aan hoogvergrotingslenzen die essentieel zijn voor gedetailleerde mid-tot-lange-golf infraroodmicroscopie. Een integraal onderdeel voor het bevorderen van ons onderzoek. Het verkrijgen van financiering van de BOF SRG zal de aanschaf van deze cruciale lenzen mogelijk maken. Deze verbetering is essentieel voor het integreren van hyperspectrale beeldvorming in de klinische praktijk, en biedt een strategische oplossing voor het tekort aan histopathologen en het bevorderen van patiëntenzorgresultaten.

Onderzoeker(s)

• Promotor: De Kerf Thomas

Onderzoeksgroep(en)

• InViLab

Project type(s)

• Onderzoeksproject