面向細(xì)胞生物學(xué)家的人工智能圖像分類器

細(xì)胞分裂是生物生長和修復(fù)的重要過程。細(xì)胞生物學(xué)家通過觀察染色體——包含生物體遺傳物質(zhì)的 DNA 結(jié)構(gòu)——來追蹤這一過程。顯微鏡技術(shù)和自動化技術(shù)的進(jìn)步使研究人員能夠在短時間內(nèi)拍攝出更好的染色體圖像。然而，他們的分析仍然主要是手動完成的，這通常是一項乏味的任務(wù)。對于植物來說尤其如此，它們在染色體大小和數(shù)量上表現(xiàn)出巨大的差異。

現(xiàn)在，在最近發(fā)表在Chromosome Research的一項研究中，來自的研究人員采取了不同的方法。在岡山大學(xué) Kiyotaka Nagaki 副教授的帶領(lǐng)下，他們使用深度學(xué)習(xí)人工智能 (AI) 對幾種植物物種的染色體圖像進(jìn)行了分類。雖然這本身并不是什么新鮮事，但有趣的是，該團(tuán)隊已經(jīng)表明，即使是非專家也可以輕松使用 AI。

這是如何實現(xiàn)的?Nagaki 博士解釋說：“使用 AI 對圖像進(jìn)行分類通常需要高水平的計算機(jī)知識。我們所做的是在 McIntosh 計算機(jī)上使用適合我們自己的圖像樣本的 CreateML 應(yīng)用程序構(gòu)建 AI 模型。此外，人工智能可以被訓(xùn)練成為一個定制的圖像分類器，用于適合自己目的的任何圖像。”

該團(tuán)隊使用染色體圖像來訓(xùn)練深度學(xué)習(xí)模型，以檢測細(xì)胞正在經(jīng)歷“有絲分裂”的圖像或圖像部分，這是一個單個細(xì)胞分裂成兩個相同子細(xì)胞的過程。他們根據(jù)模型正確分類的細(xì)胞數(shù)量，用測試圖像估計其檢測精度。

接下來，該團(tuán)隊使用包含來自訓(xùn)練期間未使用的植物物種的有絲分裂細(xì)胞的圖像對模型進(jìn)行測試。令他們高興的是，這些模型正確地區(qū)分了這些圖像中的有絲分裂細(xì)胞。此外，該技術(shù)也適用于組織切片中的細(xì)胞和不同的細(xì)胞分裂過程。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！