玖玖成人网站,亚洲超碰在线,日本久久一区,亚洲操逼视屏,日韩少妇在线,青青草在线免费视频,色色五月丁香,青青视频大香蕉

正文共：1873字-10圖

預(yù)計閱讀時間：5分鐘

深度學(xué)習(xí)會成為科學(xué)家的重要幫手嗎？

位于華盛頓州西雅圖的艾倫細胞科學(xué)研究所的定量細胞生物學(xué)家和副主任Susanne Rafelski 說「我們希望能夠在活體成像中標(biāo)記細胞的多種不同結(jié)構(gòu)」。

「我們想用3D 技術(shù)來拍攝。」

在以往的研究中，要實現(xiàn)這種目標(biāo)通常依賴于熒光顯微鏡ーー但這種方法有很多的局限性，一是只有少數(shù)幾種顏色可以使用，不足以標(biāo)記所有的結(jié)構(gòu)。

另一個問題是，這些試劑價格昂貴，費時費力。

此外，這些染色劑對活細胞是有害的，用來刺激它們的光線也是有害的，這意味著成像細胞的行為本身就會損害它們。

同樣位于西雅圖的艾倫腦科學(xué)研究所(Allen Institute for Brain Science)的顯微鏡專家福雷斯特?科爾曼(Forrest Collman)表示:「熒光很昂貴，這個「昂貴」體現(xiàn)在方方面面」。

當(dāng)科爾曼和他的同事試圖用三種不同的顏色制作3D 延時影像是時，結(jié)果很驚悚，「所有的細胞都會在你面前狗帶」。

據(jù)介紹，Rafelski 團隊將熒光顯微技術(shù)和投射白光技術(shù)結(jié)合了起來，從而利用人工智能（AI）在明視野圖像上預(yù)測熒光標(biāo)記的形狀。

2017 年，該團隊提出利用深度學(xué)習(xí)來識別未標(biāo)記細胞明視野圖像中難以發(fā)現(xiàn)的結(jié)構(gòu)。

通過對無標(biāo)記細胞的深度學(xué)習(xí)算法，團隊制作了3D 影像，顯示了細胞核中的 DNA 和子結(jié)構(gòu)，以及細胞膜和線粒體。

快速增長的領(lǐng)域

舊金山加利福尼亞大學(xué)和舊金山格拉德斯通心血管病研究所的神經(jīng)學(xué)家 Steven Finkbeiner 使用機器人顯微鏡追蹤細胞已經(jīng)長達一年。

到21世紀初，他的團隊每天累積的數(shù)據(jù)達到了兆兆字節(jié)。Finkbeiner 建議谷歌研究人員使用深度學(xué)習(xí)來發(fā)現(xiàn)他看不到的細胞特征。

深度學(xué)習(xí)利用計算機節(jié)點以類似于人腦神經(jīng)元的方式進行分層。

首先，這個神經(jīng)網(wǎng)絡(luò)中的節(jié)點之間的連接是隨機加權(quán)的，所以計算機最開始只是猜測。但是通過訓(xùn)練，計算機會調(diào)整權(quán)重或參數(shù)，直到它開始正確運行。

芬克貝納的研究小組訓(xùn)練它的系統(tǒng)在二維圖像中識別神經(jīng)元，然后挑選出細胞核并確定給定的細胞是否是活的。

芬克貝納說「主要的目的是向科學(xué)家們展示，圖像數(shù)據(jù)中可能有比他們意識到的更多的信息」。研究小組稱這項技術(shù)為硅膠標(biāo)記技術(shù)。

然而，這種方法無法識別運動神經(jīng)元，可能是因為在未標(biāo)記的細胞中沒有任何東西表明它們的特征。

科爾曼說，這些預(yù)測只有在人工智能能夠使用某些可見線索的情況下才會起作用。例如，細胞膜與周圍環(huán)境有著不同的折射率，從而產(chǎn)生對比。

展望未來

熒光預(yù)測也在制藥行業(yè)中占據(jù)著主導(dǎo)地位。

在戈森堡的阿斯利康公司，藥理學(xué)家 Alan Sabirsh 主要研究脂肪細胞在疾病和藥物代謝中的作用。他和 AstraZeneca 與瑞典國家應(yīng)用人工智能中心合作開展脂肪細胞成像挑戰(zhàn)，要求在未標(biāo)記的顯微照片中識別細胞核、細胞質(zhì)和脂滴。

該獎項5000美元的獎金授予了由 Ankit Gupta 和 h ? kan Wieslander 領(lǐng)導(dǎo)的團隊，他們是瑞典烏普薩拉大學(xué)的兩名從事圖像處理的博士生。

像 Chang 和她的同事一樣，研究小組使用氮化鎵來識別脂滴。但是為了得到原子核，他們使用了一種不同的技術(shù)，叫做 LUPI ーー利用特權(quán)信息學(xué)習(xí)，這種技術(shù)給了機器學(xué)習(xí)的額外幫助。

在這種情況下，研究小組使用了更新的圖像處理技術(shù)來識別標(biāo)準訓(xùn)練圖像對中的細胞核。

由此得到的圖像并不完美: 真正的熒光染色提供了比模型更真實的細胞核和細胞質(zhì)紋理。

但是，對于 Sabirsh 來說，這已經(jīng)足夠了。他已經(jīng)開始在機器人顯微鏡實驗中使用該代碼進行分析，目的是開發(fā)治療方法。

雖然大規(guī)模的培訓(xùn)可能需要在有多個圖形處理單元的超級計算機上花費數(shù)周時間。相應(yīng)的，一旦這樣做成功了，預(yù)測模型就可以用筆記本電腦甚至手機運行了。

對于許多研究人員來說，這種一次性的投資是值得的。「如果你可以收集未標(biāo)記細胞的圖片，而且你已經(jīng)有了訓(xùn)練有素的算法,」芬克貝納說。「你基本上可以輕松又免費地獲得所有這些信息。」

參考資料：

https://www.nature.com/articles/d41586-021-00812-7

來源 | 醫(yī)學(xué)AI在線AIMonline

版權(quán)聲明：本號內(nèi)容部分來自互聯(lián)網(wǎng)，轉(zhuǎn)載請注明原文鏈接和作者，如有侵權(quán)或出處有誤請和我們聯(lián)系。

點擊“閱讀原文”，AI學(xué)院課程等你來學(xué)習(xí)！

【行業(yè)資訊】AI識別細胞3D結(jié)構(gòu)？人工智能做到了人類不可能做到的事情