به نقل از «پول نیوز»

تغییرات سلولی با هوش مصنوعی ردیابی می‌شود

تاریخ انتشار: ۶ آذر ۱۴۰۱ | کد خبر: ۳۶۴۸۳۵۸۰

دانشمندان می‌گویند یک هوش مصنوعی جدید می‌تواند تغییرات سلولی را در لحظه ردیابی کند و نشان می‌دهد که چگونه می‌توان از فناوری یادگیری عمیق برای تجزیه و تحلیل تصویر سلولی که یک رمز و راز کلیدی در زیست‌شناسی است، استفاده کرد.

پژوهشگران راهی برای مشاهده نمونه‌های سلولی و مطالعه تغییرات مورفولوژیکی یا تغییر در شکل و ساختار سلول‌ها پیدا کرده‌اند.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

این اتفاق بسیار مهمی است، زیرا سلول‌ها، واحد اساسی حیات و آجر‌های سازنده موجودات زنده هستند و پژوهشگران باید بتوانند آنچه را که می‌تواند بر پارامتر‌های سلول‌ها مانند اندازه، شکل و چگالی آن‌ها تأثیر بگذارد.
به طور معمول، نمونه‌های سلولی به شکل مستقیم از طریق میکروسکوپ توسط دانشمندان برای مشاهده و کشف هر گونه تغییر در سلول‌ها مشاهده می‌شوند. آن‌ها به دنبال تغییرات مورفولوژیکی در ساختار‌های سلولی بودند. اما اکنون آن‌ها می‌توانند از هوش مصنوعی برای انجام این مشاهدات استفاده کنند.

پژوهشگران اکنون از طریق استفاده از علوم کامپیوتر و زیرمجموعه‌ای از هوش مصنوعی به نام فناوری یادگیری عمیق می‌توانند این روش‌ها را برای تشخیص آنالیز سلولی ترکیب کنند.

اهمیت تجزیه و تحلیل تصویر سلولی و استفاده از هوش مصنوعی برای پژوهش

تصاویر سلولی معمولاً در تحقیقات زیست پزشکی و پیشرفت‌های دارویی جدید مورد استفاده قرار گرفته‌اند. این تصاویر، اطلاعات ارزشمندی را نشان می‌دهند که نحوه واکنش سلول‌ها به محرک‌های خارجی یا تغییرات محیطی و آشفتگی‌ها یا اختلالات عمدی را رمزگذاری می‌کند.

پژوهشگران از الگوریتم‌های مبتنی بر یادگیری عمیق برای خودکار کردن فرآیند تصویربرداری سلولی استفاده کرده‌اند که اغلب به صورت دستی انجام می‌شود و فرآیندی طولانی است. هدف اصلی آن‌ها تجزیه و تحلیل تصویر سلولی، بررسی اثرات فنوتیپی درمان‌های مختلف و کشف روابط بین آن‌ها است.

پیامد‌های فنوتیپی به ویژگی‌های قابل مشاهده در ساختار سلول اشاره دارد.

این پژوهش سه وظیفه مهم در تجزیه و تحلیل تصویر سلولی را ارائه کرد که عبارتند از تقسیم بندی، ردیابی و طبقه‌بندی، اما این سه وظیفه کلیدی چه هستند؟

تقسیم بندی، ردیابی و طبقه‌بندی تصویر سلولی

تقسیم بندی، اصل اساسی برای شناسایی، شمارش و تجزیه و تحلیل مورفولوژیکی تصاویر سلولی است. این وظیفه کلیدی برای شناسایی ویژگی‌های مهم که به قسمت‌ها یا بخش‌های مختلف تقسیم می‌شوند، با استفاده از یادگیری عمیق انجام می‌شود.

ردیابی شامل نظارت بر تصاویر سلولی است. این کار معمولاً پس از تقسیم بندی اتفاق می‌افتد. پژوهشگران به دنبال ویژگی‌های خاص سلول‌ها از جمله هرگونه تغییر مورفولوژیکی هستند که می‌تواند وضعیت سلامت ارگانیسم مورد مطالعه را نشان دهد. نمونه‌هایی از ردیابی شامل پاسخ ایمنی، گسترش سلول‌های سرطانی و بهبود زخم پس از آسیب است.

طبقه بندی نیز به عنوان یک تجزیه و تحلیل پایین دستی عمل می‌کند که شامل عملیات، مانند آزمایش فرضیه و یک پیش‌بینی یا یک تجزیه و تحلیل توضیحی برای غربالگری فنوتیپی و نمایه سلولی است. این به پژوهشگران اجازه می‌دهد تا با تمایز بین سلول‌ها، تصویری از عملکرد سلول ایجاد کنند.

این گروه پژوهشی، پیشرفت یادگیری عمیق اعمال شده برای هر یک از وظایف کلیدی را بررسی کرد. یک شبکه عصبی عمیق (DNN) برخلاف تکنیک‌های بینش رایانه‌ای سنتی می‌تواند به طور خودکار با یادگیری از یک مجموعه داده در مقیاس بزرگ، نمایش‌های مؤثرتری نسبت به بازنمایی‌های دست‌ساز تولید کند.

نویسندگان این پژوهش می‌گویند: در تصاویر سلولی، روش‌های مبتنی بر یادگیری عمیق نیز نتایج امیدوارکننده‌ای را در تقسیم بندی و ردیابی سلول نشان می‌دهند.

چالش‌های استفاده از هوش مصنوعی برای تجزیه و تحلیل تصویر سلولی

پژوهشگران در مورد استفاده از یادگیری عمیق برای پردازش و تجزیه و تحلیل تصویر سلولی به چند چالش اشاره می‌کنند. آن‌ها می‌گویند: یادگیری عمیق، یک توانایی باورنکردنی را برای انجام تجزیه و تحلیل تصویر سلولی نشان داده است. با این حال، شکاف عملکرد قابل توجهی بین الگوریتم‌های یادگیری عمیق در پژوهش‌های دانشگاهی و کاربرد‌های عملی وجود دارد. بزرگترین چالش، مربوط به داده‌ها، به ویژه کیفیت آنها، کمیت آن‌ها و قابلیت اطمینان داده‌ها است.

اولین عامل محدودکننده، هزینه جمع‌آوری مجموعه داده‌ها با یادگیری عمیق است. پژوهشگران می‌گویند تهیه یک نسخه در مقیاس بزرگ از مجموعه داده‌ها دشوار است، زیرا کارشناسان آگاه باید به دقت هر تصویر را برچسب گذاری کنند.

چالش بعدی در استفاده از یادگیری عمیق برای ارزیابی تجزیه و تحلیل سلولی با برچسب‌های نامتوازن است، به این معنی که حاشیه نویسی مجموعه داده‌های تصویر سلولی به شدت به مهارت‌های حرفه‌ای بستگی دارد. این می‌تواند منجر به عدم تعادل در برچسب‌ها یا ترجیح در تصاویر برچسب‌گذاری شده شود که باعث می‌شود تعداد تصاویر برچسب‌گذاری شده برای کلاس‌های مختلف نامتعادل یا نامتوازن شود.

این مطالعه همچنین به اختلال یا نویز برچسب اشاره می‌کند که در آن خطای انسانی باعث می‌شود تصاویر آموزشی سلول‌ها به اشتباه تعبیر شوند.

سومین چالش ذکر شده، تجزیه و تحلیل تصویر سلولی آگاه از عدم قطعیت نام دارد. این می‌تواند منجر به مشکل شود، زیرا شبکه‌های عصبی مصنوعی هوش مصنوعی نمی‌توانند فنوتیپ‌های جدید را بدون روشی برای انعکاس قابلیت اطمینان نتایج طبقه بندی شناسایی کنند.

کاربرد آینده هوش مصنوعی در تجزیه و تحلیل تصویر سلولی

پژوهشگران می‌خواهند در آینده از هوش مصنوعی به ویژه یادگیری عمیق، برای کشف مفاهیم پیشرفته و اصول اساسی در پشت صفات و ویژگی‌های سلول‌ها استفاده کنند. پژوهشگران در این مطالعه اظهار داشتند: چنین برنامه‌های موفقی توانایی DNN در استخراج ویژگی‌های سطح بالا را نشان می‌دهند و توانایی بالقوه استفاده از یادگیری عمیق برای آشکار کردن قوانین پیچیده‌تر حیات در پشت فنوتیپ‌های سلولی را روشن می‌کنند.

این گروه پژوهشی امیدوار است با استفاده از هوش مصنوعی در ارزیابی‌های خود از تصویربرداری سلولی، تجزیه و تحلیل تصویر سلولی را بهبود ببخشد.

نتایج این پژوهش در مجله Intelligent Computing منتشر شده است.

منبع: پول نیوز

کلیدواژه: پژوهشگران نمونه های سلولی میکروسکوپ علوم کامپیوتر استفاده از یادگیری عمیق یادگیری عمیق هوش مصنوعی تصاویر سلولی مجموعه داده تقسیم بندی طبقه بندی سلول ها داده ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.poolnews.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «پول نیوز» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۶۴۸۳۵۸۰ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

حرکت به سمت مشارکت معنادار و عمیق مردم در ساخت مسکن

به گزارش خبرنگار مهر، ذبیح الله زارع ظهر چهارشنبه در نشست خبری با اصحاب رسانه که در شرکت عمران شهر جدید مهستان برگزار شد، با اشاره به اینکه آسیب شناسی هایی در حوزه نهضت ملی مسکن انجام شد تا مصیبت‌های مسکن مهر تکرار نشود، گفت: مطالعات خوبی در این زمینه انجام و همه پیمانکاران از طریق فراخوان و با ارزیابی کیفی دو مرحله‌ای انتخاب می‌شوند، در حالی که در مسکن مهر اینگونه نبود.

وی با اشاره به آغاز عملیات اجرایی ساخت ۱۰ هزار واحد مسکونی در این شهر و تحویل زمین‌های مربوطه و سیاست‌های وزیر راه و شهرسازی مبنی بر مردمی سازی ساخت مسکن مطرح کرد: تجربه تلخ مسکن مهر این بود که دولت تصدی گری کرد و مردم را خیلی درگیر این موضوع نکرد اما در نهضت ملی مسکن به سمت مشارکت معنادار و عمیق مردم در ساخت مسکن در حال حرکت هستیم.

عضو هیأت مدیره و سرپرست شرکت عمران شهر جدید مهستان با اشاره به اینکه در این راستا زمین و تسهیلات را تأمین می‌کنیم و مردم اقدام به ساخت می‌کنند، عنوان کرد: علاوه بر ساخت تدریجی، پروژه‌های گروه ساخت نیز سریع‌تر به نتیجه می‌رسد، بر این اساس یک گروه زمین را تحویل می‌گیرند و با نظارت ما اقدام به ساخت می‌کنند. هدف این است که از تصدی گری به سمت تسهیلگری حرکت کنیم.

زارع با بیان اینکه بر اساس برنامه ریزی ها امید است از شهریور امسال تحویل پروژه‌ها آغاز شود، خاطرنشان کرد: شیوه نامه‌ای ابلاغ شده که پروژه‌های نهضت ملی به صورت دو شیفته انجام شوند تا بتوانیم از این طریق مقداری از عقب ماندگی‌ها را جبران کنیم. یکی دیگر از موضوعات شهر جدید مهستان، عدم وجود سند تک برگ است و همه ۴ هزار و ۴۰۰ هکتار اراضی متعلق به دولت دارای سند دفترچه‌ای است.

وی با اشاره به تلاش برای تبدیل این سندها به سندهای تک برگ و ضمن ابراز امیدواری از اینکه این موضوع تا حدود ۶ ماه آینده به نتیجه برسد، بیان کرد: در مسکن مهر پس از اخذ پایانکار، هر یک از مجتمع‌ها باید نسبت به پیگیری اخذ سند تک برگ واحدهای خود اقدام کنند. در حوزه املاک و حقوقی تاکنون ۱۷ سند تک برگ صادر شده و پیگیری‌های لازم جهت تبدیل سایر سندهای دفترچه‌ای به تک برگ در حال انجام است.

عضو هیأت مدیره و سرپرست شرکت عمران شهر جدید مهستان با بیان اینکه آمادگی داریم برای ساخت مراکز دولتی نهادها و دستگاه‌ها زمین رایگان در اختیار آنها قرار دهیم، اظهار کرد: در مدل سه جانبه مسکن مهر، در سال‌های گذشته بحث عدم تحویل واحدها مطرح بود اما اکنون موردی وجود ندارد که سازنده‌ای واحدها را ساخته و تکمیل کرده اما قصد تحویل آنها را نداشته باشد.

زارع بیان کرد: فقط یک مورد پرونده حقوقی داشت که ۱۰۲ واحد مردم را گروکشی کرده بود که با حکم قطعی دستگاه قضائی واحدها اکنون در حال تکمیل و تحویل هستند. یک سری قطعات تجاری هم تصاحب شده بود که با حکم قطعی به بیت المال بازگشت. در مدل دو جانبه مسکن مهر نیز ما دخالتی نداریم و تعاونی‌ها با بانک طرف هستند. تجربه تلخ تعاونی‌ها در کشور وجود دارد که به حوزه شرکت عمران مربوط نیست.

وی اظهار کرد: در نهضت ملی مسکن اکنون همزمان با ساخت پروژه‌ها، تمام سرانه‌های خدماتی نیز تعریف شده و تلاش می‌شود همزمان با تحویل واحدها سرانه‌ها نیز تکمیل شده باشند. با تدابیر اتخاذ شده در ۱۰ مجتمع مسکونی بزرگ مسکن مهر، همین پک خدماتی به صورت مشارکتی با سازنده دنبال شده تا این سرانه‌ها ساخته شوند که امید است با این اقدام بخشی از ضعف‌های مسکن مهر مرتفع شود.

عضو هیأت مدیره و سرپرست شرکت عمران شهر جدید مهستان با اشاره به اختصاص ۲۰ هکتار زمین به صورت رایگان به ساخت آرامستان در کنار شهر جدید مهستان بیان کرد: ساخت آرامستان باید با پیگیری شهرداری و شورای اسلامی شهر کرج انجام شود و ما نیز برای تعیین تکلیف آمادگی داریم. واحدهای نهضت ملی مسکن طبق استانداردها و با کیفیت روز ساخته می‌شوند و نظام مهندسی به صورت آنلاین بر آنها نظارت دارد.

زارع در پایان از افتتاح دو هزار واحد مسکن مهر، یک مجموعه ورزشی اسکیت پارک و روشنایی فاز هفت به مبلغ هشت میلیارد تومان، کلنگ زنی سه باب مدرسه به ارزش ۹۰ میلیارد تومان و آغاز عملیات ساخت پنج هزار واحد نهضت ملی مسکن در ماه جاری خبر داد.

کد خبر 6087745