Машинное обучение для световой микроскопии — проблемы, которые нужно решить?

Я хотел бы решить некоторые биологические проблемы, которые улучшили бы современное состояние биологии или биоинформатики. В частности, я хочу применить машинное обучение к световым микроскопическим изображениям. У меня есть оборудование и опыт:

  • Светлопольная, темнопольная и фазово-контрастная микроскопия
  • Современный ноутбук
  • 56-ядерный суперкомпьютер с памятью >100 ГБ (по запросу)
  • Глубокие знания алгоритмов машинного обучения и обработки сигналов
  • Исследовательские навыки на уровне доктора философии
  • Навыки программирования, которые помогли бы мне работать в Google
  • Ограниченные знания о биологии, биоинформатике и микроскопии (пока)

Я хочу провести исследование, которое можно опубликовать, без всяких академических хлопот. Я буду делать это исключительно в свободное время, не торопясь публиковать, в попытке сделать что-то хорошее для человечества . Я могу бросать на проект несколько сотен долларов каждые два месяца (или около 1000 долларов в год).

Большая часть биологических исследований, опубликованных в журналах Science , Nature , PNAS , Cell и т. д ., настолько специализированы, что мне трудно обнаружить важные проблемы, которые я мог бы решить, учитывая мои навыки. Поэтому прошу вашей помощи:

  • Какое программное обеспечение вы всегда хотели для световых микроскопических исследований, но не знали, как собрать?
  • Какие важные биологические проблемы вы хотели бы решить? (Для машинного обучения особенно хорошо подходят задачи с бинарными решениями — например, «у этого человека малярия или нет»?)
  • Какие есть недавние высококачественные обзоры по открытым проблемам биологии?
  • Что-то другое?

Хотя мой вопрос немного широк, я думаю, что это подпадает под политику «добрых намерений» (или как там это называется) SE.

Аккуратный вопрос, но я боюсь, что нет ни одного ответа, который можно было бы принять, и этот может быть отклонен... пока он обсуждается, как насчет идентификации пыльцы? Есть последствия для экологии, палеоэкологии, судебной экспертизы, здравоохранения и безопасности пищевых продуктов, это сложная проблема компьютерного зрения, и в Интернете должно быть много изображений для обучения экспертной системы.
Это отличный вопрос, и его нельзя закрывать, поскольку он пытается решить важную проблему, которая (если будет решена) может иметь большое значение для автоматизации обработки изображений и потока данных, а также для типа полученных данных! Конечно, обмен стеками биологии разработан, чтобы помочь с такими вопросами, как этот!! Спасибо вам @days_of_good. Вы можете начать с fiji image-J (программное обеспечение для анализа изображений) и изучить его плагины. Большинство из них имеют открытый исходный код, и было бы здорово, если бы их можно было включить в программное обеспечение для обработки изображений микроскопа и выполнять инструкции для микроскопа!
@days_of_good Есть ли возможности для вашей работы, чтобы охватить флуоресцентную микроскопию, такую ​​​​как конфокальная или моментальная широкопольная микроскопия, а также микроскопия деконволюции изображений, сложенных по оси z? очень и очень большая часть микроскопии в современном научном ландшафте использует методы флуоресценции для обнаружения молекул или структур на клеточном уровне, в основном с использованием либо флуоресцентных молекул GFP, RFP, YFP и т. д., прикрепленных к интересующей молекуле, либо антител, которые обнаруживают молекулу, и они сами обнаруживаются флуоресцирующими вторичными антителами. Основной проблемой в области микроскопии является отношение шума к сигналу.
@Bez Нет, к сожалению, у меня нет доступа к флуоресцентной микроскопии. Есть ли необходимость в методах деконволюции, применяемых к световым микроскопическим изображениям? Я знаю некоторые методы слепой деконволюции, которые можно использовать для преодоления дифракционного предела (своего рода сверхразрешение).
@Oreotrephes Знаете ли вы какой-нибудь хороший недавний обзор об идентификации пыльцы? Проблема звучит так, будто ее можно решить с помощью некоего контролируемого многоклассового алгоритма машинного обучения.
@days_of_good это должно быть возможно (хотя никогда не делалось этого для видимого света), поскольку вы все еще имеете дело со световыми волнами / частицами, за исключением того, что длина волны отличается от флуоресценции. Программное обеспечение SoftWoRx (Applied Precision), на мой взгляд, создает одно из лучших изображений деконволюции с использованием итераций, которое поставляется с базовым микроскопом delta vision. Я уверен, что если вы свяжетесь с ближайшим университетом и обсудите, чем бы вы хотели заниматься, они будут более чем рады предоставить вам свое оборудование и даже оказать помощь! Я знаю многих PI, которые отчаянно нуждаются в таком таланте и энтузиазме.
@days_of_good Я знаю, например, что люди используют световую микроскопию для оценки фенотипа эмбриона, чтобы предсказать его развитие. Хотя я не могу получить доступ к этой статье, но я предполагаю, что они используют световую микроскопию и смотрят на общую форму (фенотип эмбриона для исследования), поэтому деконволюция была бы очень удобна для этого ( fertstert.org/article/S0015-0282(14). )00203-9/pdf )
@days_of_good Это может быть хорошей отправной точкой для идентификатора пыльцы tinyurl.com/p44loza
К сожалению, именно так :/ Этот вопрос подходит к нескольким примерам «чего не спрашивать» в FAQ. ( biology.stackexchange.com/help/dont-ask ) Конечно, вы можете приносить такие вещи в чат! (ссылка внизу страницы)
Слепая деконволюция — это уже своего рода байесовский алгоритм. Деконволюция с проекцией масштабированного градиента — это более быстрый вычислительный подход, приводящий к аналогичному или лучшему увеличению разрешения. В настоящее время он применяется в оптической микроскопии и может быть расширен до микроскопии сверхвысокого разрешения.
Это отличный и наводящий на размышления вопрос. Если бы это было в чате, я бы его даже не увидел. Много лет назад я работал с ученым в исследовательском отделе Kodak в Харроу, Лондон. Работа заключалась в подсчете количества фотонов, необходимых для активации зерен галогенида серебра (интерполировано по ядрам серебра). Основная часть подсчета была сделана на анализаторе изображений Cambridge Instruments, подключенном к микроскопу с прикрепленной телекамерой. В наши дни в этом нет особой необходимости, но я могу предположить, что обсуждаемое оборудование будет использоваться для подсчета твердых частиц в загрязненной воде и других подобных задач.

Ответы (4)

Я знаю, что этот вопрос будет закрыт. Но если вы хотите работать над чем-то, над чем вы можете работать:

Криофлюоресцентная визуализация сверхвысокого разрешения

Особенности

  • CryoFM позволяет визуализировать витрифицированные биологические образцы с помощью флуоресцентной микроскопии.
  • Существуют серьезные проблемы с получением изображений криоFM с высоким разрешением.
  • Характеристики флуорофора при низкой температуре дают дополнительные преимущества.
  • Криофлюоресцентная визуализация со сверхвысоким разрешением значительно улучшит разрешение.

Источник: Флуоресцентная криомикроскопия: текущие проблемы и перспективы .

RE: Какое программное обеспечение вы всегда хотели для световой микроскопии, но не знали, как собрать?

Я изучаю плодовых мушек, и в этой области (и во многих других системах моделирования экологии насекомых, таких как жуки, мотыльки, бабочки) мы используем множество визуальных данных, например, размер тела, размер крыла, морфологию крыла, цвет глаз, количество щетинок, морфологию гениталий. , морфология полового гребня... список огромен! Одной из используемых программ является WingMachine (хотя ссылка на программное обеспечение, кажется, не работает), которая может измерять морфологические аспекты крыла мухи.

Что-то, что я хотел бы сделать, это поставить пузырек с едой под прицел и заставить его быстро подсчитать количество яиц на поверхности еды. Я задавал вопрос об этом некоторое время назад . Это было бы очень полезно, многие лаборатории должны подсчитывать яйца (чтобы сделать количество яиц постоянным в каждом флаконе, вариации здесь могут иметь серьезные последствия для взрослой мухи, поэтому контроль важен в экология) и это медленно, трудно и очень неточно, особенно изменчиво между людьми. Если бы был какой-то способ поместить флакон под прицел, нажать кнопку и получить примерное число, было бы здорово!

Коллега считает мертвых жуков в данный момент, я уверен, что он был бы признателен за подобную программу, в которой он мог бы создавать изображения и автоматически подсчитывать программное обеспечение. Я думаю, что обе эти проблемы было бы легко решить с помощью очень похожего программного обеспечения. Ключевым моментом является создание программного обеспечения, которое легко «научить» распознавать людей.

Чуть более сложная часть машинного обучения может заключаться в том, чтобы подсчитывать разные фенотипы на одном изображении. В тестах на пригодность мух часто используют мух дикого типа с темнотелыми (черными) конкурентами, тело дикого типа сравнительно более желтое. Тогда приспособленность фокальной мухи дикого типа представляет собой число потомков дикого типа среди общего числа (фенотип темного тела является рецессивным, поэтому, когда фокальная муха дикого типа спаривается с черным деревом, она производит мух дикого типа, если два спаривания черного дерева мы получаем потомство с темным телом). Здесь машина должна была бы уметь различать и считать и то, и другое.

Я позже прикреплю нормальное фото из-под прицела, фото в предыдущем вопросе было сделано цифровым фотоаппаратом, не через прицел, но оно дает представление о том, как оно выглядит.

Возможно, вам будет интересно прочитать статью «Машинное обучение в клеточной биологии — обучение компьютеров распознаванию фенотипов» ( http://jcs.biologist.org/content/126/24/5529.long )

Пожалуйста, суммируйте соответствующие аспекты ссылки в вашем ответе. См. раздел «Предоставление контекста для ссылок» в Справочном центре.

Один из моих коллег выполняет большую гистологическую работу, окрашивая и идентифицируя ткани на микроскопическом уровне. Программное обеспечение, которое может быть полезным для этой дисциплины, может заключаться в способности различать различные типы присутствующих тканей и, возможно, вычислять «площадь», занимаемую каждым типом ткани, а также пустое пространство. Это мало чем отличалось бы от задачи типа ГИС, но я не знаю, хорошо ли она согласуется с бинарной структурой принятия решений «Да/Нет». Я не знаю, можно ли его научить распознавать определенные типы тканей, но, возможно, он сможет распознавать каждую отдельную область поперечного сечения как отличную от других подобных областей. Вот несколько поперечных сечений, чтобы показать вам, что я имею в виду:

Двоеточие:

введите описание изображения здесь Источник

Гладкая мышца:

введите описание изображения здесь Источник

Семенные канальцы яичек:

введите описание изображения здесь Источник

Обратите внимание на различные типы тканей в каждом поперечном сечении, а также на пустое пространство. Каждый тип ткани имеет разные схемы светопропускания, что может позволить компьютеру научиться различать разные типы тканей.

Изучите алгоритмы сегментации WEKA, реализованные в FIJI/ImageJ.
Машинное обучение для световой микроскопии — проблемы, которые нужно решить?
СпросиСетьПолитика конфиденциальности1y, 0v