Onderzoekers gebruikten op deep learning gebaseerde algoritmen om het proces te automatiseren
Fenotypische resultaten verwijzen naar waargenomenkenmerken binnen de cellulaire structuur. Het onderzoek presenteert de drie belangrijkste taken bij de analyse van celbeelden: segmentatie, tracking en classificatie.
Een overzicht van celbeeldanalyse op basis van deep learning. Afbeelding: Intelligent Computing
Segmentatie is een fundamenteel principeidentificatie, tellen en morfologische analyse van celbeelden. Classificatie is nodig voor fenotypische screening en celprofilering. Tracking is het monitoren van afbeeldingen van cellen en is vereist na segmentatie. Onderzoekers zoeken naar specifieke kenmerken van cellen, inclusief eventuele morfologische veranderingen die kunnen wijzen op de gezondheid van het organisme dat wordt bestudeerd. Voorbeelden van tracking zijn de immuunrespons, de verspreiding van kankercellen en wondgenezing na letsel.
Celafbeeldingen worden vaak gebruikt inbiomedisch onderzoek en de ontwikkeling van nieuwe medicijnen. In de toekomst zijn wetenschappers van plan kunstmatige intelligentie, en met name deep learning, te gebruiken om geavanceerde concepten en fundamentele principes te ontdekken die ten grondslag liggen aan de kenmerken van cellen.
Lees verder:
Een magnetische storm staat op het punt de aarde te raken
Creëerde een navigatiesysteem dat nauwkeuriger is dan GPS
Een oud amulet herschreef de geschiedenis van Europa's meest mysterieuze taal
Op de omslag: Proyecto Agua