Harry Cohen Tanugi

Une IA révolutionnaire peut suivre les changements cellulaires en temps réel, révélant ainsi un mystère majeur de la biologie.

Traditionnellement, les échantillons de cellules étaient observés directement par
microscopes par les scientifiques pour observer et découvrir tout changement dans les cellules.
Ils recherchaient des changements morphologiques dans les structures cellulaires. Cependant, ils ;
peuvent désormais utiliser l'intelligence artificielle pour effectuer leurs observations. En utilisant à la fois
l'informatique et un sous-ensemble de l'intelligence artificielle connu sous le nom d'apprentissage profond,
les chercheurs peuvent désormais combiner les méthodes pour détecter l'analyse des cellules.

L'étude a été publiée dans la revue Intelligent
Computing
.

L'importance de l'analyse des images cellulaires et l'utilisation de l'IA pour la recherche

Les images cellulaires ont été couramment utilisées dans la recherche biomédicale et les
les percées en matière de médicaments. Les images montrent des informations précieuses qui codent la façon dont
les cellules réagissent aux stimuli externes, ou aux changements d'environnement, et aux perturbations intentionnelles,
ou perturbations.

Les chercheurs ont utilisé des algorithmes basés sur l'apprentissage profond pour
l'apprentissage profond pour automatiser le processus d'imagerie cellulaire, qui est souvent réalisé manuellement et qui est un
long processus. L'objectif principal de l'analyse des
L'objectif principal de l'analyse d'images cellulaires est d'examiner les effets phénotypiques de différents traitements et de découvrir les relations entre eux.
de découvrir les relations entre eux.

Une IA révolutionnaire peut suivre les changements cellulaires en temps réel, révélant un mystère clé en biologie.

Aperçu de l'analyse d'images cellulaires basée sur l'apprentissage profond.

Les résultats phénotypiques font référence aux caractéristiques observables dans la structure cellulaire.
caractéristiques observables dans la structure cellulaire. L'étude a présenté les trois tâches les plus
tâches les plus critiques dans l'analyse d'images cellulaires, qui sont la segmentation, le suivi et la classification.

Quelles sont les trois tâches essentielles de la segmentation, du suivi et de la classification ?

La segmentation est le principe fondamental pour l'identification,
le comptage et l'analyse morphologique des images de cellules. Cette tâche essentielle est utilisée pour
identifier les caractéristiques importantes, qui sont divisées en différentes parties, ou segments,
en utilisant l'apprentissage profond.

La classification agit comme une analyse en aval - des opérations,
telles que le test d'une hypothèse, une prédiction ou une analyse explicative - pour le
le dépistage phénotypique et le profilage cellulaire. Cela permet aux chercheurs de créer une
image de la fonction cellulaire en distinguant les cellules.

[SOURCE]

menu