Материалы портала «Научная Россия»

Развитие молекулярной визуализации

Развитие молекулярной визуализации
Создание комплексных молекулярных изображений органов и опухолей в живых организмах может быть выполнено на сверхвысокой скорости с использованием нового подхода глубокого обучения.

Создание комплексных молекулярных изображений органов и опухолей в живых организмах может быть выполнено на сверхвысокой скорости с использованием нового подхода глубокого обучения к реконструкции изображений, разработанного исследователями из Политехнического института Ренсселера, - пишет eurekalert.org со ссылкой на Nature.

Новая методика имеет потенциал для значительного улучшения качества и скорости визуализации живых объектов.

Сжатое зондирование на основе считывания представляет собой метод обработки сигналов, который можно использовать для создания изображений на основе ограниченного набора точечных измерений. Недавно исследовательская группа института Ренсселера предложила новый инструментальный подход, позволяющий использовать эту методологию для получения комплексных наборов молекулярных данных. При таком подходе были получены более полные изображения, но обработка данных и формирование изображения могли занять несколько часов.

Новейшая методология, разработанная в институте Ренсселера, основана на предыдущих достижениях и может создавать изображения в реальном времени, а также повышает качество и полезность полученных изображений. Это может облегчить разработку персонализированных лекарств, улучшить клиническую диагностику или определить ткани, подлежащие удалению.

В дополнение к предоставлению общего снимка исследуемого субъекта, включая органы или опухоли, на которые исследователи нацелены визуально с помощью флуоресценции, этот процесс визуализации может выявить информацию об успешной внутриклеточной доставке лекарств путем измерения скорости затухания флуоресценции.

Чтобы обеспечить визуализацию молекулярных событий практически в реальном времени, исследовательская группа использовала последние разработки в области искусственного интеллекта. Значительно улучшенная реконструкция изображения осуществляется с использованием подхода глубокого обучения. Глубокое обучение - это сложный набор алгоритмов, предназначенных для обучения компьютера распознаванию и классификации данных. В частности, команда разработала сверточную архитектуру нейронных сетей, которую исследователи Ренсселера называют Net-FLICS и которая обозначает флуоресцентную визуализацию со сжатым зондированием в реальном времени.

«Этот метод очень перспективен для получения более точной диагностики и лечения», - сказал Пинкун Ян - один из директоров Центра биомедицинских изображений в Ренсселер. «Эта технология может помочь врачу лучше визуализировать, где находится опухоль и определить ее точный размер. Затем они могут точно вырезать опухоль, сохранив здоровую ткань».

Требуется дальнейшее развитие, прежде чем эта революционная новая технология может быть использована в клинических условиях. Пока процесс визуализации был ускорен за счет включения имитированных данных, основанных на моделировании, что является особой специализацией Ксавье Интеса – директора Биомедицинского центра визуализации в Ренсселере и его лаборатории.

«Для глубокого обучения обычно требуется очень большой объем данных, но, так как система нова, для нее у нас пока не было такой роскоши», - сказал Ян.

[Фото: Sergey Kovalkov: ru.123rf.com]

Источник: www.eurekalert.org

анализ данных глубокое обучение машинное обучение молекулярная визуализация

Назад

Социальные сети

Комментарии

Авторизуйтесь, чтобы оставить комментарий

Информация предоставлена Информационным агентством "Научная Россия". Свидетельство о регистрации СМИ: ИА № ФС77-62580, выдано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций 31 июля 2015 года.