Mit dem Lab Sciences Award werden herausragende Bachelorarbeiten ausgezeichnet, welche Ergebnisse relevant für die Laborwissenschaften und die Diagnostik beinhalten.

Die Arbeit "Deep-Learning-based Cell Segmentation for the Detection of Thyroid Cancer in Single Cells" stellt ein U-Net-basiertes Deep-Learning-Modell zur automatisierten Segmentierung von Schilddrüsenkrebszellen unter Verwendung der Fluoreszenzpolarisation (Fpol) von Methylenblau (MB) vor. Das Modell wurde mit verschiedenen menschlichen Schilddrüsenzellbildern trainiert und verglich die automatische (AU) und manuelle (MA) Segmentierung in Bezug auf Zellzahl, segmentierte Bereiche und Fpol-Werte. Die automatische Methode erkannte 15,4 % mehr Zellen, wobei die Unterschiede in der Fläche zwischen -55,2 % und +31,0 % und die Unterschiede im Fpol-Wert zwischen -20,7 % und +10,7 % lagen. Es wurden keine signifikanten statistischen Unterschiede in den Fpol-Daten zwischen AU und MA festgestellt. Grössere Diskrepanzen bei den Fpol-Werten waren mit grösseren Unterschieden bei den segmentierten Zellbereichen verbunden. Der automatisierte Prozess reduzierte die Analysezeit drastisch von einer Stunde auf etwa 10 Sekunden, was die Fpol-basierte Diagnose klinisch praktikabler macht.

Die genaue Rangliste der Gewinner wird am 12. September 2024 an der Swiss Automation 2024 Kongress bekannt gegeben.

Herzliche Gratulation an Martin und Tenzin!