Development of a Proof of Concept for Automatically Counnting Osteoclasts in a Web Application

Abstract

Kvantifisering av osteoklaster er en viktig del av å forutsi benresorpsjon. I dag utføres denne oppgaven i hovedsak manuelt av opplært personell. Det er en tidkrevende prosess og krever betydlige ressurser. En mer håndterlig metode er derfor nødvendig. Denne oppgaven har som mål å utvikle et konseptbevis for en webapplikasjon for å automatisk telle osteoklaster ved å implementere en dyp læringsmodell. Opppgaven har som intensjon å gjøre prosessen enklere og mer tilgjengelig, og dermed tilrettelegge for forskningen på feltet. I et samarbeid mellom St. Olavs og TrollLabs er det laget en dyp læringsmodell for å detektere osteoklaster. Denne oppgaven utvider dette prosjektet og bruker deres modell i webapplikasjonen. En foreslått løsning og funksjonalitet for webapplikasjonen er utviklet. Det er lagt vekt på hvordan man presenterer deteksjonsresultatene til brukeren, slik at brukeren har tiltro til metoden og stoler på resultatene. For å få innsikt i hvordan de ulike funksjonalitetene bidrar til brukerens tillit, er det utført en brukertest. Som et resultat er det utviklet et konseptbevis, hvor det er implementert funksjonaliteter for å laste opp bilder, utføre deteksjoner og presentere resultatene. Det er opprettet to ulike sider for å presentere resultatene, en som gir en enkel oversikt over antall Osteoklaster i hvert bilde og en med mer detaljert informasjon. I den detaljerte visningen kan brukeren inspisere deteksjonen videre og manipulere resultatene. Denne oppgaven vil beskrive metodene som er brukt, implementeringsprosessen og presentere en oversikt over applikasjonen, sammen med resultatene av brukertesten. Avslutningsvis vil de ulike aspektene bli diskutert.

Quantifying Osteoclasts is an essential part of determining bone resorption. Today, this task is mainly performed manually by trained personnel. It is a tedious process and requires extensible resources. A more manageable method is needed. This thesis aims to develop a proof of concept for a web application to count osteoclasts automatically by deploying a deep learning model. In the hope of making the process more effortless and accessible, thus enhancing the research in the field.

In a collaboration between St. Olavs and TrollLabs, a deep learning model has been created to detect Osteoclasts. This thesis extends their project and utilizes their model in the web application. A suggested solution and functionalities for the web application have been designed. It has been emphasized how to present the detection results to the user in order to gain confidence in the method and trust the results. In order to get insight into how the different functionalities contribute to the user’s confidence, a user test has been performed.

As a result, a proof of concept has been developed, where functionalities are implemented for uploading images, performing detection, and presenting the results. Two views have been created to present the results, one providing an overview of counted Osteoclasts in each image and one with more detailed information. In the detailed view, the user can inspect the detection further and manipulate the results. This thesis will describe the methods used, the implementation process and present an overview of the current application together with the user test results. Finally, the different aspects will be discussed.