菲洛嘉青春动能素135HA FILLMED® NCTF 135HA LED指示灯的常见故障分析 智微智能 Elkhartlake K075终端,零售产业新选择 天空蓝拓客管理系统详细介绍版 muso公链项目 天使计划 是什么?[秘] 独家揭秘最前沿的家装“黑科技”——掌赋 天博体育欧洲杯特辑,东道主法兰西的失意2016 亚马逊的送货侦察员 学习听起来像挡泥板 Google Comics Factory使ML变得容易 笑着说-男性或女性 Amazon Rekognition中更好的人脸检测 关于Spaun的真相-大脑模拟 两个聊天机器人彼此聊天-有趣又怪异 GANPaint:将AI用于艺术 WCF和WF给予社区 从耳朵到脸 所有神经网络的深层缺陷 蠕虫在尾巴上平衡杆子 Kickstarter上的OpenCV AI套件 TensorFlow-Google的开源AI和计算引擎 众包取代新闻工作者 Google的DeepMind学会玩街机游戏 哑机器人V智能机器人 .NET与.NET 5融为一体 Google的深度学习-语音识别 LInQer将.NET LINQ移植到Javascript 机器人TED演讲-新的图灵测试? GAN的发明者加入苹果 您的智能手机会监视您键入的内容 人工智能帮助改善国际象棋 Zalando Flair NLP库已更新 TensorFlow 1.5包含移动版本 AlphaGo输了一场比赛-比分3-1 虚拟机器学习峰会 Microsoft开源AI调试工具 SharePoint走向移动 F#4.0发出文化变革的信号 克里斯蒂拍卖AI艺术品 人工智能如何区分 Facebook在蒙特利尔的新AI实验室 Mozilla想要您的声音 微软使用极深的神经网络赢得ImageNet 建立AI合作伙伴关系 .NET Core 3-Microsoft几乎回到了起点 神经网络-更好的销售商? Google使用AI查找您的住所 虹膜-适用于Android的Siri证明苹果没有优势 TensorFlow 2提供更快的模型训练 深度学习研究人员将为Google工作
您的位置:首页 >程序人生 >

智能软件解决植物细胞拼图难题

想象一下在拼图玩具上做很多事情,甚至连拼图中心的其他边缘都难以区分。解决方案似乎几乎是不可能的。而且,更糟糕的是,这个难题处于一个未来派的环境中,其中的碎片不仅很多,而且还在不断变化。实际上,您不仅必须解决难题,而且要“解决难题”以解析出每个部分如何将图片完全聚焦。

这是分子和细胞生物学家在对细胞进行分类以研究生物的结构起源及其发展方式(称为形态发生)时面临的挑战。如果只有一种工具可以提供帮助。本周发布的eLife论文表明现在已经存在。

由计算机科学家和机器学习专家Anna Kreshuk领导的EMBL研究小组与DFG资助的植物生物学家和计算机科学家FOR2581财团一起开发了一种可以解决该细胞拼图难题的工具。从计算机代码开始,转到一个更加友好的图形界面(称为PlantSeg),该团队构建了一种简单的开放访问方法,以提供迄今为止最准确,最通用的植物组织发育分析。该小组的成员来自EMBL,海德堡大学,慕尼黑工业大学和科隆的马克斯·普朗克植物育种研究所。

Kreshuk说:“考虑到人类对于人类来说有多么容易,构建出能够像3D透视细胞并实际上将它们全部分离的东西很难做到。”“通常来讲,在处理与视觉有关的大多数任务时,计算机不如人类。随着深度学习和人工智能领域的所有最新发展,我们现在更接近解决这个问题,但是仍然没有解决-并非适用于所有情况。本文介绍了我们目前的方法,这花了几年的时间。”

如果研究人员想要在细胞水平上观察组织的形态发生,则需要对单个细胞进行成像。大量的单元格意味着它们还必须分开或“细分”它们才能分别查看每个单元格并分析随时间的变化。

Kreshuk说:“在植物中,细胞看起来非常规则,其横截面看起来像矩形或圆柱体。”“但是你也有带有突起的细胞,这些细胞具有突起,使它们看起来更像拼图碎片。由于它们的不规则性,它们更难以分割。”

Kreshuk的团队在生殖器官的3D显微镜图像上对PlantSeg进行了训练,并开发了常见植物模型拟南芥(也称为拟南芥)的侧根。该算法需要考虑单元大小和形状的不一致。有时细胞更规则,有时更少。正如Kreshuk指出的,这就是组织的本质。

这项研究的美好方面来自提供给该算法的显微镜和图像。结果表现在描绘细胞结构的彩色效果图上,使其更容易真正“看到”分割。

克雷舒克说:“我们有一个巨大的拼图板,上面有成千上万个单元,然后我们基本上要用不同的颜色给每个拼图块上色。”

植物生物学家长期以来一直需要这种工具,因为形态发生是许多发育生物学问题的症结所在。这种算法允许进行各种形状相关的分析,例如,通过发育或环境条件变化或物种之间的形状变化进行分析。本文提供了一些实例,例如表征胚珠的发育变化,研究启动侧根形成的第一个不对称细胞分裂,比较和对比两种不同植物物种之间的叶细胞形状。

尽管此工具目前专门针对植物,但Kreshuk指出,它也可以进行调整以用于其他生物。

基于机器学习的算法(如PlantSeg核心所使用的算法)是通过正确的细分示例进行训练的。该小组已经在许多植物组织体积上对PlantSeg进行了培训,因此现在它可以很好地推广到看不见的植物数据。但是,基本方法适用于任何带有细胞边界染色的组织,并且可以很容易地将其重新训练用于动物组织。

Kreshuk说:“如果组织中有边界染色,例如植物中的细胞壁或动物中的细胞膜,则可以使用此工具。”“经过这种染色并具有足够高的分辨率,植物细胞看起来与我们的细胞非常相似,但是它们并不完全相同。目前,该工具确实针对植物进行了优化。对于动物,我们可能必须重新训练其中的一部分,但却可以。”

目前,PlantSeg是一个独立的工具,但Kreshuk的团队最终会将其合并到她的实验室正在使用的另一工具ilastik Multicut工作流程中。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。