Новый искусственный интеллект отслеживает движение тысяч наночастиц

Система учитывает около 6000 параметров, чтобы распознавать движущиеся наночастицы и различать их между собой.

Иллюстрация Alexander M. Gokan.

Изображения нанообъектов, полученные в экспериментах, зачастую имеют низкое отношение "сигнал/шум", поэтому их трудно обрабатывать.

Иллюстрация University of North Carolina at Chapel Hill.

Учёные создали нейронную сеть, которая распознаёт на 2D- и 3D-видео тысячи движущихся наночастиц. Компьютер отслеживает траекторию каждой из них и формирует набор данных о её местоположении в тот или иной момент времени. Разработка пригодится при исследовании инфекций и создании лекарств. Достижение описано в научной статье, опубликованной в журнале PNAS группой во главе с Сэмюэлем Лаем (Samuel Lai) из Университета Северной Каролины в Чапел-Хилл.

Как патогенные микроорганизмы проникают в клетки? Как в биологических процессах движутся молекулы белков и наночастицы? Эти вопросы часто являются ключевыми для понимания механизмов инфицирования, разработки новых лекарств и так далее. Новые микроскопы сверхвысокого разрешения обеспечивают учёных терабайтами 2D- и 3D-видео в день.

Однако учёному мало посмотреть ролик, ему нужна математическая модель процесса. Для каждой частицы требуется проследить траекторию, то есть зависимость координат от времени. Для этого необходимо, во-первых, отличить движущиеся частицы от фона, а во-вторых, не перепутать их между собой.

Понятно, что, когда в кадре находятся тысячи частиц одновременно, человеческий глаз не в силах за ними уследить. Здесь требуется помощь компьютера. Но традиционные методы распознавания изображений плохо работают с подобными видео. Дело в том, что практически любая биологическая среда имеет сложную структуру, которая к тому же меняется со временем. Кроме того, в роликах, снятых электронными микроскопами, довольно низкое отношение "сигнал/шум".

"При работе с сегодняшним программным обеспечением исследователи должны тщательно контролировать преобразование видео [в набор траекторий], чтобы обеспечить точность. Это часто занимает от нескольких недель до нескольких месяцев", – объясняет Лай.

Обычные методы анализируют небольшое число параметров наночастиц, таких как размер, яркость и форма. При этом оператору приходится вручную подстраивать их значения для оптимального распознавания. Это порождает проблему воспроизводимости результатов, ведь разные операторы используют разные настройки.

Изображения нанообъектов, полученные в экспериментах, зачастую имеют низкое отношение "сигнал/шум", поэтому их трудно обрабатывать.

Лай и коллеги решили эту проблему, создав свёрточную нейронную сеть. Первоначально её обучали на наборах данных, искусственно сгенерированных компьютером. Позже в ход пошли настоящие 2D- и 3D-видео, снятые микроскопами. В итоге искусственный разум научился учитывать около 6000 параметров для распознавания наночастиц.

Получившаяся система по крайней мере в десять раз точнее действующих аналогов. Кроме того, она демонстрирует высокое быстродействие и превосходную воспроизводимость результатов.

Напомним, что ранее "Вести.Наука" (nauka.vesti.ru) писали о первой 3D-анимации активности вируса и методе объёмной визуализации, позволяющем заглянуть внутрь живых клеток. Достижения искусственного интеллекта мы также не обошли вниманием, рассказав, как электронный разум учится подражать человеку по одному видео, читает по губам и отслеживает лица в толпе.