ИИ-систему для более качественного анализа микроорганизмов разработали ученые НИУ ВШЭ

Ученые НИУ ВШЭ — Санкт-Петербург при участии коллег из Международного университета информационных технологий в Алматы (Казахстан) создали систему автоматизации микроскопов со встроенным ИИ-анализом. Разработанный метод повышает качество классификации микроорганизмов до 97,5%. Исследование опубликовано в журнале Machine Learning and Knowledge Extraction.

Современная микробиологическая техника позволяет изучать бактерии, грибы и простейшие живые организмы в мельчайших деталях. При этом традиционные инструменты требуют ручной настройки и визуальной оценки, что значительно влияет на конечный результат. Повысить качество анализа изображений способен искусственный интеллект. Особенно перспективно его применение в биотехнологиях и клинической диагностике, где требуется сравнение тысяч снимков.

Команда исследователей Школы информатики, физики и технологий НИУ ВШЭ — Санкт-Петербург под руководством доцента департамента информатики и академического руководителя программы «Прикладная математика и информатика» Алексея Самарина при участии коллег из Международного университета информационных технологий в Алматы создала систему автоматизации для микроскопов со встроенным алгоритмом Microscopy-Aware Attention (MAA). Как отмечает методолог проекта, академический руководитель программы «Прикладной анализ данных и искусственный интеллект» Елена Михайлова, главное преимущество разработки состоит в том, что она не привязана к конкретной архитектуре и обучается самостоятельно на основе специальных подсказок.

«Промышленные системы отличаются высокой точностью, но стоят дорого и закрыты для доработки. Мы решили сохранить качественную штатную оптику серийного микроскопа и добавить к ней открытый модуль управления. Принципиальная новизна устройства в том, что база знаний по микроскопии встроена прямо в механизм внимания ИИ. Модель уже прошла проверку на разных архитектурах и доказала свою эффективность во всех пяти протестированных группах», – рассказала методолог проекта, академический руководитель программы «Прикладной анализ данных и искусственный интеллект» НИУ ВШЭ — Санкт-Петербург Елена Михайлова.

В отличие от других нейросетевых прототипов, система MAA «понимает» специфику микроскопии и раскладывает изображение объекта не на пиксели, а по биологически значимым признакам — форме, прозрачности, текстуре. Чтобы развить у модели логику эксперта, биотехнологи из ИТМО и Санкт-Петербургского государственного технологического института подготовили более 100 000 микропрепаратов бактерий (кокков и бацилл). Все образцы зафиксировали на камеру с разным увеличением, освещением и окраской: высокая вариативность снимков позволила приблизить алгоритм работы к реальным лабораторным условиям. При анализе изображений бактерий с помощью новой системы качество классификации выросло до 97,5%.

«После первых тестов мы отметили, что чаще всего система ошибалась, когда видела нечеткие снимки — масштаб или цветовые расхождения не так влияли на эффективность поиска. Поэтому теперь мы можем с уверенностью заявить, что фокусировка и стабильное освещение составляют основу цифровой микроскопии», – подытожила Елена Михайлова.

В ближайшее время ученые планируют проверить модель в других лабораториях и на другом оборудовании, встроить ее в мультимодальные нейросети и добавить автоматические функции. В перспективе систему можно адаптировать под задачи микробиологии, медицинской лабораторной диагностики, образования.

Информация предоставлена пресс-службой НИУ ВШЭ

Источник фото: 123rf.com

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: