Les chercheurs ont utilisé des algorithmes basés sur l'apprentissage profond pour automatiser le processus
Les résultats phénotypiques se réfèrent à ceux observéscaractéristiques au sein de la structure cellulaire. L'étude présente les trois tâches les plus importantes dans l'analyse d'images cellulaires : la segmentation, le suivi et la classification.
Un aperçu de l'analyse d'images cellulaires basée sur l'apprentissage en profondeur. Image : Informatique intelligente
La segmentation est un principe fondamentalidentification, comptage et analyse morphologique d'images cellulaires. La classification est nécessaire pour le dépistage phénotypique et le profilage cellulaire. Le suivi est la surveillance d'images de cellules et est requis après la segmentation. Les chercheurs recherchent des caractéristiques spécifiques des cellules, y compris tout changement morphologique pouvant indiquer la santé de l'organisme étudié. Des exemples de suivi incluent la réponse immunitaire, le la propagation des cellules cancéreuses et la cicatrisation des plaies après une blessure.
Les images cellulaires sont couramment utilisées dansrecherche biomédicale et développement de nouveaux médicaments. À l'avenir, les scientifiques prévoient d'utiliser l'intelligence artificielle, en particulier l'apprentissage profond, pour découvrir des concepts avancés et des principes fondamentaux qui sous-tendent les caractéristiques des cellules.
Lire la suite:
Un orage magnétique est sur le point de frapper la Terre
Création d'un système de navigation plus précis que le GPS
Une ancienne amulette a réécrit l'histoire de la langue la plus mystérieuse d'Europe
En couverture : Proyecto Agua