Международная исследовательская группа, возглавляемая Университетом Гёттингена, создала инновационные технологии для автоматических микроскопических изображений, что значительно упрощает идентификацию клеточных структур для биологических исследований и медицинской диагностики.
Важность сегментации для биомедицинских исследований
«Сегментация» — это процесс идентификации и деления клеточных структур на микроскопические изображения. Эта технология имеет решающее значение для понимания сложных процессов в жизни. Сегментация позволяет анализировать реакцию клеток на лечение лекарствами. Метод также позволяет сравнивать клеточные структуры в разных генотипах.
Ранее автоматическая сегментация была возможна, но были значительные ограничения. Специализированные методы работают только при определенных условиях. Адаптация этих методов к новым условиям требовала значительных ресурсов, и это было дорого.
Инновационный подход, основанный на искусственном интеллекте
Исследователи приняли инновационный подход, обновляя «знания» существующего сегмента, что угодно. Для этой цели использовалось более 17 000 микроскопических изображений. База данных содержит более 2 миллионов аннотированных конструкций рук.
Новая модель называется сегментом что угодно для микроскопии. Это демонстрирует высокую точность в сегментации изображений тканей и клеток. Алгоритм работает эффективно с аналогичными структурами в широком диапазоне настроек.
Специальное программное обеспечение было создано для облегчения доступа к технологии? Этот инструмент предоставляет удобный »сегментация всего«На микроскопических изображениях. Результаты исследования опубликованы в авторитетном научном журнале «Методы природы».
Стадии развития и уточнения модели
Адаптация программного обеспечения к потребностям микроскопии стала постепенной. Исследовательская группа впервые оценила большой набор данных с открытым исходным кодом. Это помогло продемонстрировать потенциал модели микроскопической сегментации.
Следующим шагом является преобразование алгоритма в специализированный набор данных микроскопии. Этот подход значительно улучшил производительность модели сегментации клеток, ядер и органелл.
Создание программного обеспечения? Этот инструмент позволяет исследователям и врачам анализировать изображения без первой ручной маркировки структур. Также нет необходимости обучать специальную модель искусственного интеллекта для каждой задачи.
Практическое применение и перспективы
Программное обеспечение уже широко используется на международном уровне. «Задачи, которые заняли недели усердной ручной работы, теперь могут быть автоматизированы в течение нескольких часов«говорит доцент Константин Папе из Института компьютерных наук в Университете Геттингена.
Технология используется для анализа нервных клеток в ухе в рамках проекта по восстановлению слуха. Мусам также используется для сегментации искусственных опухолевых клеток при исследовании рака. Кроме того, инструмент анализирует изображения вулканических пород, полученных с помощью электронной микроскопии.
«Модель может сегментировать любую биологическую структуру с несколькими щелчками мыши, а затем может быть улучшена для автоматизации задачи«- Подчеркивает профессор Папе. Это открывает многие новые технологические применения — от основной клеточной биологии до разработки инструментов для рекомендаций по лечению терапии рака.
