携手健康网携手健康网

新的数字工具使显微镜图像分析变得更加容易

信息技术可以使许多领域的生活变得更轻松——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,这用于评估淋巴结中有多少癌细胞。

您经常坐在黑暗的房间里数小时,对荧光显微镜捕获的图像上的细胞进行计数。这花费了难以置信的宝贵时间。”

Philipp Sodmann,维尔茨堡大学医院心脏研究中心

但现在生命科学领域开辟了一个新的视野:新的数字工具deepflash2使显微图像分析变得更加容易。deepflash2是免费提供的,基于机器学习方法。

评审团强调质量方面

维尔茨堡大学信息系统和商业分析系主任 Matthias Griebel 开发了该工具,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。在本次比赛中,维尔茨堡的二人团队获得了成功:2021年5月,获得了来自在线平台Kaggle的10000美元创新奖和一枚金牌。

由医学、生物学和人工智能 (AI) 专家组成的顶级陪审团证明了deepflash2 的另一个品质:该程序还可以识别歧义。

“在生物学中,并非一切都是非黑即白,”马蒂亚斯·格里贝尔解释说。研究人员怀疑他们在组织切片中看到的细胞是否仍然有功能的情况并不少见。在这种情况下,deepflash2指出:人们必须再看一遍!据陪审团成员称,这就是该工具特别具有创新性的原因。

免费供研究人员使用

deepflash2仍然是参与生物图像分析的研究人员的内幕消息。不过,Matthias Griebel 想以数据科学竞赛中的优异成绩为契机来推广他的工具。

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将它安装在他们的计算机上。与此同时,Griebel 已经在利用竞赛结果进一步改进 deepflash2。

即使没有人工智能知识也适用

Griebel 研究商业信息系统,正在 Christoph Flath 教授的指导下攻读博士学位。在deepflash2的开发过程中,他非常重视这样一个事实,即没有 AI 专业知识的研究人员也可以毫无问题地使用该工具。

医学和生命科学的用户一定不了解幕后的复杂过程。根据格里贝尔的说法,对他们来说,最重要的是使生物图像分析更快,同时更可靠。Würzburg 的科学家说,要实现这一点,必须使用大量数据集对人工神经网络进行密集训练。

决策是由人类做出的

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生死存亡的人放心。菲利普·索德曼强调,事实并非如此,而且肯定不会很快成为现实。

索德曼呼吁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”项目的背景下举行的。其目标是绘制和表征大约 37 万亿个人类细胞中的每一个。如果没有人工智能,这将是不可能的。

最佳演讲奖

共有来自 50 多个国家的约 1,200 个团队为 Kaggle 数据科学竞赛提交了解决方案。Matthias Griebel 和 Philipp Sodmann 位居第 10 位。

“因此,第一名是在一场并驾齐驱的比赛中决定的,”格里贝尔说。在国际观众面前展示该项目也让他和他的同事兴奋不已。两位维尔茨堡人再次脱颖而出:除了金奖和创新奖外,他们还获得了最佳展示奖。

适用于不同的临床图片

Matthias Griebel 不想在象牙塔中进行研究。开发能够最终帮助人们的工具对他来说很重要。甚至可能挽救生命。

如果可以更快、更可靠地评估显微镜图像,也可以更快地做出诊断。对于非常不同的疾病也是如此。由于deepflash2程序是可训练的,因此它可以学习,例如,识别不同的功能组织单元。因此,在机器学习的帮助下,可以教授该算法以识别图像上胰腺的产生胰岛素的细胞。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。