광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
로고

[AI가 세포변화를 추적] BREAKTHROUGH AI는 생물학의 핵심 미스터리를 밝히는 실시간 세포 변화를 추적한다. 추적의 예로는 면역 반응, 암세포 확산 및 부상 후 상처 치유가 있다. 연구자들은 딥러닝기반 알고리즘을 사용하여 종종 수동으로 수행되는 긴 프로세스인 세포 이미징 프로세스를 자동화했다. 세포 이미지 분석의 주요 목적은 다양한 처리의 표현형 효과를 조사하고 이들 사이의 관계를 발견하는 것이다.

박영숙세계미래보고서저자 | 기사입력 2022/11/30 [10:06]

[AI가 세포변화를 추적] BREAKTHROUGH AI는 생물학의 핵심 미스터리를 밝히는 실시간 세포 변화를 추적한다. 추적의 예로는 면역 반응, 암세포 확산 및 부상 후 상처 치유가 있다. 연구자들은 딥러닝기반 알고리즘을 사용하여 종종 수동으로 수행되는 긴 프로세스인 세포 이미징 프로세스를 자동화했다. 세포 이미지 분석의 주요 목적은 다양한 처리의 표현형 효과를 조사하고 이들 사이의 관계를 발견하는 것이다.

박영숙세계미래보고서저자 | 입력 : 2022/11/30 [10:06]

 

[AI가 세포변화를 추적] BREAKTHROUGH AI는 생물학의 핵심 미스터리를 밝히는 실시간 세포 변화를 추적한다.

 

 
 이 연구는 딥 러닝을 사용하여 세포 이미지 분석을 감지하는 방법을 보여준다.

연구자들은 세포의 형태학적 변화 또는 형태와 구조의 변화를 연구하기 위해 세포 샘플을 관찰하는 방법을 발견했다. 세포는 생명의 기본 단위이자 살아있는 유기체의 구성 요소이며 연구자는 크기, 모양 및 밀도와 같은 세포의 매개 변수에 영향을 미칠 수 있는 요소를 관찰할 수 있어야 하기 때문에 중요하다. 

기존에는 세포 샘플을 과학자들이 현미경을 통해 직접 관찰하여 세포의 변화를 관찰하고 발견했습니다. 그들은 세포 구조에서 형태학적 변화를 찾는다. 그러나 그들은 이제 인공 지능을 사용하여 관찰할 수 있다. 연구자들은 컴퓨터 과학과 딥 러닝으로 알려진 인공 지능의 하위 집합을 모두 사용하여 이제 세포분석을 감지하는 방법을 결합할 수 있다. 

이 연구는 저널 Intelligent Computing에 게재되었다. 세포 이미지 분석 및 연구에 AI 활용의 중요성

세포 이미지는 일반적으로 생물의학 연구 및 신약 개발에 사용되었다. 이미지는 세포가 외부 자극이나 환경 변화, 의도적인 동요 또는 교란에 어떻게 반응하는지 암호화하는 귀중한 정보를 보여준다.

연구자들은 딥러닝기반 알고리즘을 사용하여 종종 수동으로 수행되는 긴 프로세스인 세포 이미징 프로세스를 자동화했다. 세포 이미지 분석의 주요 목적은 다양한 처리의 표현형 효과를 조사하고 이들 사이의 관계를 발견하는 것이다. 

획기적인 AI는 생물학의 핵심 미스터리를 드러내는 실시간 세포 변화를 추적할 수 있습니다.딥러닝 기반 세포 이미지 분석 개요. 세포 이미지 분석/지능형 컴퓨팅에서의 딥러닝 

표현형 결과는 세포구조 내에서 관찰 가능한 특성을 나타낸다. 이 연구는 세포 이미지 분석에서 세 가지 가장 중요한 작업인 분할, 추적 및 분류를 제시했다.    

세분화, 추적 및 분류의 세 가지 주요 작업은 무엇인가?

분할은 세포 이미지의 식별, 계수 및 형태학적 분석을 위한 기본원리이다. 이 핵심 작업은 딥 러닝을 사용하여 다양한 부분 또는 세그먼트로 나누어지는 중요한 기능을 식별하는 데 사용된다. 

분류는 표현형 스크리닝 및 세포 프로파일링을 위한 다운스트림 분석(가설 테스트, 예측 또는 설명 분석과 같은 작업) 역할을 한다. 이를 통해 연구원은 세포를 구별하여 세포 기능의 이미지를 만들 수 있다.

추적은 세포 이미지의 모니터링이다. 이 작업은 일반적으로 세분화 후에 발생한다. 연구자들은 연구 중인 유기체의 건강 상태를 보여줄 수 있는 형태학적 변화를 포함하여 세포의 특정 특성을 찾는다. 추적의 예로는 면역 반응, 암세포 확산 및 부상 후 상처 치유가 있다. 

연구팀은 각 핵심과제에 적용된 딥러닝의 진행 상황을 점검했다. “기존의 컴퓨터 비전 기술과 달리 DNN(심층 신경망)은 대규모 데이터 세트에서 학습하여 수작업 표현보다 더 효과적인 표현을 자동으로 생성할 수 있습니다. 세포 이미지에서 딥 러닝 기반 방법은 세포 분할 및 추적에서도 유망한 결과를 보여줍니다.”라고 연구 저자는 말했다. 

세포 이미지 분석을 위한 AI 사용의 과제

세포 이미지 처리 및 분석을 위한 딥 러닝 사용과 관련하여 연구자들이 언급한 몇 가지 문제가 있었습니다. “딥 러닝은 세포 이미지 분석을 수행하는 놀라운 능력을 보여주었다. 그러나 학술연구와 실제 응용분야의 딥러닝 알고리즘 사이에는 여전히 상당한 성능 차이가 있습니다.”라고 저자는 말했다. 가장 큰 문제는 데이터, 특히 데이터 품질, 데이터 수량 및 데이터 신뢰도 또는 신뢰성과 관련이 있다.

첫 번째 제한 요소는 딥 러닝을 사용한 데이터 세트의 지출이다. 연구자들은 지식이 풍부한 전문가가 이미지별로 세심하게 레이블을 지정해야 하기 때문에 데이터 세트의 대규모 버전을 구성하는 것이 힘들다고 말했다.  

세포 분석을 평가하기 위해 딥 러닝을 사용하는 다음 과제는 불균형 레이블과 관련이 있으며, 이는 세포 이미지 데이터 세트의 주석이 휴마의 전문 기술에 크게 의존한다는 것을 의미한다. 이로 인해 레이블 불균형 또는 레이블이 지정된 이미지 내 선호도가 발생하여 여러 클래스에 대한 레이블이 지정된 이미지 수가 불균형해질 수 있다. 이 연구는 또한 사람의 실수로 인해 세포의 훈련 이미지가 잘못 할당되는 레이블 노이즈에 대해서도 언급했다. 

언급된 세 번째 과제는 불확실성 인식 세포 이미지 분석이다. 이는 AI인공신경망이 분류 결과의 신뢰도를 반영하는 방법 없이는 새로운 표현형을 감지할 수 없기 때문에 문제가 될 수 있다. 

세포 이미지 분석에 AI의 향후 적용 

앞으로 연구원들은 인공 지능, 특히 딥러닝을 사용하여 세포의 특성과 특성 뒤에 있는 고급 개념과 기본 원리를 발견하기를 원한다. "이러한 성공적인 응용 프로그램은 DNN이 높은 수준의 특징을 추출하는 능력을 보여주고 딥 러닝을 사용하여 세포 표현형 뒤에 있는 보다 정교한 생명 법칙을 밝힐 수 있는 잠재적 능력을 밝힙니다."라고 연구원들은 연구에서 말했다.

연구팀은 인공지능을 세포 이미징 평가에 통합하여 세포이미지 분석을 개선하기를 희망한다. InterestingEngineering.com

 

 

 

 
[세계미래보고서]시리즈, 판매제품
1/6
광고
광고
광고
광고
광고
광고
광고
많이 본 기사
AI바이오제약 수명연장 많이 본 기사
최신기사