新的数字工具使显微镜图像的分析更加容易

   日期:2024-09-02     来源:本站    作者:admin    浏览:124    

  

  

  信息技术可以使许多领域的生活更加便利——包括研究。例如,在医学中,手工评估组织切片的显微镜图像仍然是标准做法。例如,它被用来评估淋巴结中有多少癌细胞。

  但是现在,生命科学的新视野正在打开:新的数字工具deepflash2使显微镜图像的分析变得更加容易。Deepflash2是免费的,基于机器学习方法。

  魏茨堡大学信息系统和商业分析系主任马蒂亚斯·格里贝尔(Matthias Griebel)开发了这个工具,作为他博士学位的一部分。该工具构成了他与医学科学家Philipp Sodmann一起为国际数据科学竞赛开发的解决方案的基础。在这次比赛中,来自德国

  茨堡的两人团队取得了成功:2021年5月,他们获得了在线平台Kaggle的创新奖,奖金为1万美元,并获得了金奖。

  由医学、生物学和人工智能(AI)专家组成的顶级评审团证明了deepflash2的另一个特点:该程序还能识别模糊性。

  “在生物学中,并非所有事情都是非黑即白的,”马蒂亚斯·格里贝尔解释道。研究人员怀疑他们在组织切片中看到的细胞是否仍然具有功能,这并不罕见。在这种情况下,deepflash2指出:人们必须再看一遍!根据评审团成员的说法,这就是这个工具特别具有创新性的地方。

  对于参与生物图像分析的研究人员来说,Deepflash2仍然是一个内幕提示。然而,Matthias Griebel希望利用数据科学竞赛的优异成绩作为推广他的工具的机会。

  由于它是一个开源工具,其他研究人员可以在他们的浏览器中免费使用它或安装在他们的计算机上。与此同时,格里贝尔已经在利用大赛的成果进一步改进deepflash2。

  格里贝尔研究的是商业信息系统,目前正在克里斯托弗·弗拉斯教授手下攻读博士学位。在开发deepflash2的过程中,他非常重视没有AI专业知识的研究人员也可以毫无问题地使用该工具。

  医学和生命科学领域的用户一定不了解幕后的复杂过程。根据Griebel的说法,对他们来说,最重要的是使生物图像分析更快,同时更可靠。为了实现这一点,人工神经网络必须使用广泛的数据集进行密集训练,w

  rzburg科学家说。

  然而,最终是人类从图像中得出结论。这应该让所有担心人工智能将决定未来医学的兴衰的人放心。菲利普·索德曼强调,事实并非如此,而且肯定不会很快变成这样。

  索德曼呼吁人们认识到人工智能的多种可能性。例如,数据科学竞赛是在2016年启动的“人类生物分子图谱计划”项目的背景下进行的。它的目标是绘制和描述大约37万亿个人类细胞中的每一个细胞。如果没有人工智能,这是不可能的。

  最佳演讲奖

  来自50多个国家的约1200个团队为Kaggle数据科学竞赛提交了解决方案。马蒂亚斯·格里贝尔和菲利普·索德曼名列第十。

  格里贝尔说:“因此,第一名是在势均力敌的竞争中决定的。”在国际观众面前展示这个项目也让他和他的同事感到兴奋。两个wrzburger再次脱颖而出:除了金奖和创新奖外,他们还获得了最佳展示奖。

  马蒂亚斯·格里贝尔不想在象牙塔里做研究。对他来说,开发最终能帮助人们的工具是很重要的。甚至可能拯救生命。

  如果显微镜图像可以更快、更可靠地评估,诊断也可以更快。这适用于不同的疾病。因为deepflash2程序是可训练的,它可以学习,例如,识别不同的功能组织单位。因此,在机器学习的帮助下,该算法可以被教导在图像上识别胰腺的胰岛素生成细胞。

 
打赏
 
更多>同类文章

推荐图文
推荐文章
点击排行