Neues Imaging Center bündelt das Know-How von fünf EPFL-Schulen

Die Bildgebung ist ein wichtiges Werkzeug für Forschende in fast allen Bereichen, sei es, um die Geheimnisse der Atome zu entschlüsseln oder die Ursprünge unserer Galaxie zu erforschen. Fast ein Viertel aller EPFL-Labore nutzt bildgebende Systeme, um u. a. lebende Zellen, Umweltphänomene, Materialien der nächsten Generation und sogar den Weltraum zu untersuchen. Mit diesen Systemen können Wissenschaftlerinnen und Wissenschaftler beobachten, was mit dem blossen Auge nicht zu sehen ist. Aber auch in die Entwicklung der Systeme selbst fliesst viel Forschungsarbeit, wie z.B. die Entwicklung neuer Methoden zur Bildaufnahme, die Verbesserung der Algorithmen zur Bildverarbeitung und die Verwaltung der dabei anfallenden Datenmengen. Bisher waren die Kompetenzen in diesen Bereichen auf fünf verschiedene EPFL-Fakultäten verteilt, ohne dass es ein gemeinsames Forum für den Austausch von Informationen, die Bildung von interdisziplinären Forschungsgruppen und die Kommunikation von Entdeckungen gab – daher die Gründung des neuen EPFL Center for Imaging (ECI). Dieses Zentrum, das die fünf Schulen umfasst, vermeidet die Abschottung der Expertenteams, bietet eine einzige Finanzierungsquelle für disziplinübergreifende Forschungsprojekte und bietet seinen Nutzenden Support- und Schulungsdienste. Es stärkt auch den erstklassigen Ruf der EPFL im Bereich der Bildgebungstechnologie.

Nutzung von Synergien über fast 100 Labore hinweg

Das ECI ist als Inkubator für neue Ideen und bereichsübergreifende F&E konzipiert und bringt fast hundert Labors zusammen, die in bildgebungsbezogenen Bereichen arbeiten. Für einige von ihnen, wie z. B. Life Sciences und Mikrotechnik, ist der Bedarf an Bildgebung offensichtlich; für andere, wie z. B. Umwelttechnik, Materialwissenschaft und künstliche Intelligenz, scheint der Bedarf weniger unmittelbar zu sein. Daher hat ECI kürzlich eine Ausschreibung für disziplinübergreifende Forschungsprojekte veröffentlicht, um die Zusammenarbeit zu fördern. Ausserdem organisiert es Workshops und Seminare, darunter auch Serien, die Entdeckungen von Forschenden aus aller Welt vorstellen. Das ECI hofft, dass es durch den Brückenschlag zwischen den verschiedenen EPFL-Einheiten einfacher wird, den Studierenden bildgebungsrelevante Themen zu vermitteln, mit grösserer Konsistenz in ihren Kursen und Projekten: «Die EPFL ist eine Institution von Weltrang, wenn es um Bildgebungstechnologie geht, was bedeutet, dass wir gut positioniert sind, um unseren Studierenden eine erstklassige Ausbildung zu bieten», sagt Michaël Unser, der akademische Direktor des ECI. Das Zentrum wird von einem Vorstand geleitet, der sich aus Vertreterinnen und Vertretern aller fünf Fakultäten zusammensetzt: Suliana Manley von der SB; Mackenzie Mathis von der SV; Christophe Moser von der STI; Devis Tuia von der ENAC; und Sabine Süsstrunk von der IC. Sie alle haben sich bereit erklärt, die Führung in dieser zukunftsweisenden schulübergreifenden Initiative zu übernehmen.

Die Imaging-Technologie wird immer intelligenter

In der Bildgebungstechnologie aller Art, unabhängig von der Anwendung, wurden bemerkenswerte Fortschritte erzielt. Diese Fortschritte werden durch neue Entwicklungen bei Hardware, Datenspeicherung und Datenverarbeitung vorangetrieben. An der EPFL haben die Forschenden Zugang zu hochmodernen Geräten, die von Partnerorganisationen wie der BIOP-Bioimaging-Plattform, dem CIME-Forschungszentrum und den CIBM- und DCI-Imaging-Zentren zur Verfügung gestellt werden, um Bilder zu erfassen, Daten zu sammeln und die Auswirkungen von realen Phänomenen mit einer noch nie dagewesenen räumlichen und zeitlichen Auflösung zu messen. Für Michaël Unser «waren die Nobelpreise, die 2014 für Durchbrüche in der hochauflösenden Mikroskopie und 2017 in der Kryo-Elektronenmikroskopie verliehen wurden, beide das Ergebnis der Zusammenarbeit mehrerer Labore, was unterstreicht, wie wichtig die interdisziplinäre Forschung auf dem Gebiet der Bildgebung ist – und wie wichtig dieses Gebiet für die gesamte wissenschaftliche Gemeinschaft ist.»

Fruchtbarer Boden für fächerübergreifende Forschung

Moderne Bildgebungstechnologien entwickeln sich in rasantem Tempo und haben alle eines gemeinsam: Big Data. Diese Daten können ohne ausgefeilte Algorithmen oder die Fähigkeiten von Expertinnen nicht genutzt werden. Das ECI hat sich daher zum Ziel gesetzt, den vielen Laboren und Zentren, die noch nicht über solche Ressourcen verfügen, diese zur Verfügung zu stellen: «Die Komplexität der Bildgebungstechnologien bedeutet, dass es eine anspruchsvolle Aufgabe ist, neue Methoden und Entdeckungen unter den Forschenden zu verbreiten», sagt Laurène Donati, Executive Director des ECI. Das Zentrum ist dabei, ein Forschungs- und Entwicklungsteam aufzubauen, das fortschrittliche Methoden für die Bildanalyse und -rekonstruktion entwickelt, die über Open Science zur Verfügung gestellt werden sollen.

Ein interdisziplinäres Team von Forschenden hat bereits eine solche Methode entwickelt, die in einem Programm namens DeepimageJ verfügbar ist, das Entwicklern von Bildgebungssystemen hilft, die Vorteile von Deep Learning zu nutzen. Deep Learning spielt eine wachsende Rolle in der Bildgebungstechnologie, wo Algorithmen darauf trainiert werden, Tausende von detaillierten Bildern in einem Wimpernschlag zu sortieren. Aber die Erstellung von Deep-Learning-Tools erfordert oft fortgeschrittene Kenntnisse in der Informatik. DeepimageJ – ein benutzerfreundliches Open-Source-Plugin – umgeht diese Hürde, indem es Laien ermöglicht, die in der Life-Sciences-Forschung üblichen Bildverarbeitungsaufgaben wie Pixel- und Objektklassifizierung, Instanzsegmentierung, Entrauschung und virtuelle Färbung einfach durchzuführen. Ausserdem verfügt es über Funktionen, die es Systementwicklerinnen ermöglichen, neue Modelle einfach einzubinden. DeepimageJ ist nur ein Beispiel für die Vorteile interdisziplinärer Teamarbeit: «Bildgebungsexperten sind begeistert von den Möglichkeiten, die sich durch Deep-Learning-Algorithmen ergeben. Und die Entwicklerinnen dieser Algorithmen brauchen grosse Datensätze, um ihre Programme zu trainieren. Sie sind besonders an Projekten mit realen Szenarien interessiert», sagt Daniel Sage, ein EPFL-Ingenieur und einer der DeepimageJ-Entwickler.

Studierendenprojekte an der Grenze der Bildgebungsforschung

Studierendenprojekte, die sich mit konkreten Problemen befassen, die von mehreren Akteuren in der Bildgebung generiert werden, sind ein weiterer hervorragender Mechanismus zur Förderung der gegenseitigen Befruchtung zwischen den Gruppen. Ein gutes Beispiel ist das Master-Projekt von Quentin Juppet, einem Informatikstudenten an der EPFL. Sein Projekt beinhaltete die Koordination der Arbeit am BIOP, in Unser's Labor am STI und in zwei SV-Labors, die von Cathrin Brisken und Martin Weigert geleitet wurden. Aufbauend auf Weigerts populärer Open-Source-Software «StartDist» entwickelte Jupet einen Machine-Learning-Algorithmus, der in einer Gewebeprobe Mauszellen von menschlichen Zellen unterscheiden kann. Die Ergebnisse von Juppet, die im Journal of Mammary Gland Biology and Neoplasia veröffentlicht wurden, können die Krebsforschung beschleunigen, indem sie den Schritt der Zellklassifizierung automatisieren. Olivier Burri, ein BIOP-Ingenieur, der mit Juppet zusammengearbeitet hat, sagt: «Dank der optimierten Kommunikation konnten wir unsere mikroskopischen Geräte den Biologinnen und Biologen zur Verfügung stellen, die sie benötigen, und ihnen Zugang zu der von Computational Bioengineers entwickelten Software geben.»