Совместными усилиями коллективов Южно-Уральского государственного университета и Лаборатории радиационной биологии ОИЯИ был разработан прототип интеллектуальной системы для анализа поведенческих паттернов мелких лабораторных животных.

Новое программное обеспечение (ПО) основано на нейросетевых алгоритмах для автоматизированной обработки видеоданных. Прототип ПО автоматизирует рутинные операции подсчета движений крыс в экспериментах с использованием специализированных стендов ЛРБ, снижает фактор субъективности при распознавании и классификации и в то же время обращает внимание на моменты, в которых требуется взгляд специалиста. Кроме этого, в будущем ПО станет частью информационной экосистемы, разрабатываемой совместно ОИЯИ, Россией и Сербией, для обработки, аналитики и хранения данных.

Задача разрабатываемого ПО – существенно уменьшить трудоемкость обработки данных экспериментов по изучению механизмов действия ионизирующих излучений на центральную нервную систему. Для ее решения научные сотрудники ОИЯИ и студенты ЮУрГУ применили нейросетевые подходы при подсчете поведенческих реакций крыс после облучения. Они обучили нейронную сеть на данных, полученных в экспериментах, проведенных в ЛРБ ОИЯИ.

Поведенческие тесты – неотъемлемая часть проведения экспериментов с животными. Для оценки влияния ионизирующего излучения на грызунов используется специально оборудованная комната с установками Т-лабиринт, «Открытое поле», водный лабиринт (тест Морриса) и другие (НПК Открытая Наука, Россия). В ходе проведения поведенческих тестов в ЛРБ используется программа Noldus EthoVision XT 13.0 (Noldus, Wageningen, the Netherlands), которая позволяет сделать видеозапись эксперимента, после чего возможно получение данных о трекинге – весь путь, проделанный грызуном в установке, а также получить данные по тепловой карте, то есть узнает, в каких участках установки животное бывало чаще всего. Однако до появления прототипа интеллектуальной системы количество различных поведенческих актов: заглядываний в норки, замираний, поднятий, груминга, движений на месте и т.д. – приходилось считать вручную. Совместно с коллегами из ЮУрГУ получены первые результаты по обучению нейронной сети распознанию на видеозаписях таких паттернов, как груминг, стойки, норки. Результаты анализа предоставляются в удобном формате для хранения и проверки корректности определения поведенческих актов, с возможностью их калибровки по продолжительности актов (длинный/короткий груминг).

«Это большой пул работ. В зависимости от установки и протокола проведения эксперимента в ней видео может длиться до шести минут на одно животное. В каждом эксперименте присутствуют как минимум две группы животных: исследуемая и контрольная (по 5-6 животных в группе минимум). Обработать такое количество видео достаточно трудоемкая задача, поясняет координатор проекта от ЛРБ, младший научный сотрудник Лаборатории радиационной биологии Инна Колесникова.

На сегодняшний день выполнен наиболее сложный этап работ – проведена разметка данных и обучена нейросеть. Прототип интеллектуальной системы имеет базовый интерфейс для загрузки видео, создания конфигурационного файла с заданными параметрами времени и паттернов и подсчета поведенческих актов грызунов.

Совместно с участниками коллаборации из ЮУрГУ сотрудники сектора радиационной физиологии ЛРБ ОИЯИ разработали эффективную разметку данных по точкам, позволяющей покадрово обрисовывать силуэт движущегося грызуна. Группе из ЮУрГУ, в свою очередь, удалось разработать нейросетевой подход для распознавания различных поведенческих паттернов животного в установке «Открытое поле» и получить хорошую степень идентификации крысы в поле теста.

«Сейчас наша команда проверяет разметку, тестирует прототип программного обеспечения, сопоставляет результаты машинной и ручной обработки результатов», — рассказывает Инна Колесникова.

Планируется, что прототип ПО войдет в единую информационную систему, которую разрабатывают ЛРБ и Лаборатории информационных технологий ОИЯИ совместно с научными центрами Белградского университета (Сербия). Эта система включает в себя несколько компонентов. Алгоритмический блок автоматизирует рутинные операции (например, подсчеты движений). Блок аналитики позволит сопоставлять данные по разным группам животных в экспериментах с различной продолжительностью. Третья важная составляющая системы – долговременное хранилище видеофайлов, фотоизображений и карточек экспериментов. Хранение данных в такой системе позволяет эффективно защитить данные и обеспечивает работу с ними участникам исследовательских групп с возможностью удаленного доступа.

Этот межлабораторный междисциплинарный проект ЛРБ – ЛИТ по автоматизации биологических исследований стартовал в 2019 году. Был проведен анализ того, какие именно рутинные задачи сектора радиационной физиологии ЛРБ можно автоматизировать, чтобы оптимизировать рабочие процессы. Со временем в рамках проекта сформировалось две коллаборации с внешними участниками: сербские научные центры начали разработку алгоритмов для автоматизации анализа гистологических данных – изображений срезов головного мозга лабораторных животных. Задачу распознавания и подсчета поведенческих актов крыс в тесте «Открытое поле» на основе нейросетевого подхода взял на себя ЮУрГУ.

Здесь стоит отметить, что внедрение нейросетевого подхода не заменит работу специалистов. «Программное обеспечение поможет отсечь то, что можно не анализировать, но при этом обратит внимание на критические моменты. Это инструмент, который поможет получать качественный результат в меньшие сроки, но не замена эксперта. Подсчет движений можно автоматизировать, но что-то необычное сможет обнаружить только человек», — комментирует Инна Колесникова. Создание специализированного ПО требует усилий как разработчиков программного обеспечения, специалистов по машинному/глубокому обучению, так и экспертов, под чьи исследовательские задачи оно разрабатывается. «Разработка информационных систем невозможна без коллаборации между экспертным сообществом – постановщиком задачи – и IT-специалистами», — добавляет куратор проекта со стороны ЛИТ, старший научный сотрудник Лаборатории информационных технологий Оксана Стрельцова.

Для использования машинного и глубокого обучения основным этапом являются формализация задачи и разметка данных. Сотрудники ЛРБ ОИЯИ формализовали критерии поведенческих актов грызунов и курировали процесс разметки студентами ЮУрГУ видеозаписей для подготовки набора данных для обучения нейронной сети. «Мы сравниваем протоколы того, как разные организации исследуют одни и те же поведенческие паттерны, и выбираем то, что максимально подойдет под наши исследовательские задачи, поскольку единых стандартов описания этих процессов не существует», — поясняет Инна Колесникова.

Однако, прежде чем прототип станет готовым программным продуктом, ученым двух научных центров предстоит еще много совместной работы. Так, в системе необходимо спроектировать развитый графический интерфейс для пользователей и ускорить обработку медиазаписей. Апробированный на 3 поведенческих актах подход показал хорошие результаты и перспективы его применения для распознавания других актов.

Продолжение сотрудничества между ОИЯИ и ЮУрГУ по разработке ПО для анализа поведенческих паттернов в перспективе может быть интересно широкому кругу организаций, работающих в области биологии, медицины, тестирования фармпрепаратов.

Необходимо отметить, что в будущем благодаря межлабораторному проекту ЛИТ – ЛРБ и коллегам из России, научных центров Сербии и других организаций будет разработана полноценная единая информационная система для хранения экспериментальных данных с возможностью удаленного доступа к ним и их комплексного анализа, что послужит полезным инструментом для исследовательских групп.

 

Информация предоставлена пресс-службой Объединенного института ядерных исследований

Источник фото: ru.123rf.com