گوگل برای شناسایی انواع سلول از یادگیری عمیق استفاده می کند

گوگل برای شناسایی انواع سلول از یادگیری عمیق استفاده می کند

چندین سال پیش ، محققان موسسات گلدستون و دانشگاه کالیفرنیا یک روش میکروسکوپی رباتیک ایجاد کردند که قادر بود داده های سلولهای منفرد را برای مدت طولانی ثبت کند.

گوگل به دنبال چنین مجموعه گسترده ای از داده ها برای استفاده از رویکرد یادگیری عمیق خود بود ، بنابراین آنها با یک طرح تمرکز بر ایده های آسمان آبی (این مشکلاتی را که انسان نمی تواند حل کند یا می تواند خیلی سریعتر انجام دهد) همکاری کردند. .

این تیم هدف خود را برای ایجاد یک شبکه عصبی قرار دادند که می تواند تصاویر ایجاد شده توسط تکنیک های میکروسکوپی را برای شناسایی اطلاعاتی که محققان انسانی قادر به شناسایی آن نیستند ، بررسی کند. به طور خاص ، این تیم در نظر گرفت که تصاویر گرفته شده از سلول ها با استفاده از میکروسکوپ نوری اغلب در مورد ماهیت پیچیده تری از سلول چیز کمی را نشان می دهد ، برای نشان دادن این اطلاعات ، دانشمندان از روش های رنگ آمیزی استفاده می کنند.

این تیم می خواست بررسی کند که آیا یک شبکه عصبی می تواند برای شناسایی ویژگی های سلول های غیر لکه دار آموزش داده شود و این روند را سریعتر و کارآمدتر کند.

پس از چند سال توسعه ، این تیم یافته های کار خود را در ژورنال Cell در سال 2018 منتشر کرد. آنها نشان دادند که آنها یک شبکه عصبی را آموزش داده اند تا انواع سلول ها و همچنین ساختارهای زیر سلول (مانند هسته ها و دندریت های عصبی) را از تصاویر برای لکه دار کردن تشخیص دهد. سلول ها. این تیم با استفاده از روش خود برای شناسایی سلولهای اندوتلیال مشتق از سلول های بنیادی در نمونه های غیر لکه دار ، این موضوع را پیگیری کردند.

روند تلفیق هوش مصنوعی با میکروسکوپ باعث می شود دانشمندان به سطح عمیق تری از اطلاعات در مورد نمونه های سلول خود بدون نیاز به تکنیک های تصویربرداری پیچیده تر از جمله رنگ آمیزی که هزینه بر و زمان بر است ، دسترسی داشته باشند.

تا پیش از این همکاری بین انستیتوهای گلادستون ، دانشگاه کالیفرنیا و گوگل ، تقریباً هیچ کاری با استفاده از یادگیری عمیق در میکروسکوپ وجود نداشت. اما اکنون ، آن در حال تغییر چشم انداز تجزیه و تحلیل تصویر ، گشودن قابلیت های جدید و ساده سازی فرآیندهای تحلیلی است.