462
правки
Изменения
→Классификация клеток
На данный момент компьютерное зрение нашло применение в большинстве направлений, где есть необходимость обрабатывать и анализировать изображения. Микроскопия не стала исключением. Теперь задачи, направленные непосредственно на работу с изображениями, можно решить, например, построив соответствующую [[Сверточные нейронные сети |сверточную нейронную сеть]].
== Классификация клеток ==
Классификация клеток является базовой задачей микроскопии. Обычно для этого используются изображения, полученные на флуоресцентных микроскопах, так как классификаторы для изображений с обычных оптических микроскопов не способны отразить биологическое разнообразие различных типов клеток. Клетки можно делить по фазе в клеточном цикле, типу (повержденные или нет, раковые или номральныенормальные), физиологическому состоянию, виду и другим признакам. Для большинства задач классификации уже существуют готовые архитектуры сверточных сетей, использующие флуоресцентные метки в качестве категориальных.
=== Определение фазы клеточного цикла ===
Одним из признаков, по которым можно разделить клетки, является определение фазы клеточного цикла, в которой находится клетка. Эта задача имеет практическое применение для обнаружения поврежденных клеток, которые при визуализации будут кластеризоваться отдельно от остальных. Так как клетки проходят стадии клеточного цикла непрерывно, то удобно их классифицировать, используя флуоресцентные метки. Для этого клетку окрашивают флуоресцентным красителем и используют флуоресцентный микроскоп, который фиксирует расположение и степень свечения. Сверточная сеть обучается на изображениях с этими флуоресцентными метками , о которых было сказано ранее, и дает на выходе не только классификацию каждой клетки, а также визуализирует процесс клеточного цикла, используя нелинейное уменьшение размерности. Классификация и визуализация являются всего лишь различными способами интерпретации результатов, поэтому строятся на основе одних и тех же выведенных закономерностей<ref>[https://www.nature.com/articles/s41467-017-00623-3#supplementary-information Philipp Eulenberg — Reconstructing cell cycle and disease progression using deep learning, 2017]</ref>.
[[Файл:Cell cycle classification.png|center|700px|thumb|Архитектура сверточной нейронной сети для определения фазы клетки из [https://www.nature.com/articles/s41467-017-00623-3#supplementary-information/ статьи.]]]
Особенностью работы данной сверточной сети является необходимость разметить только небольшую часть данных, на основании чего она далее учится размечать самостоятельно.Интересно, что при визуализации фазы упорядочены в хронологически правильном порядке, несмотря на то, что информация о порядке фаз не передавалась в сеть.
=== Идентификация раковых клеток ===
Другой задачей классификации клеток является обнаружение раковых клеток. Для решения этой задачи используется сверточная нейронная сеть с архитектурой VGG-16, а также трансферное обучение, то есть модель предварительно обучается на другом огромном объеме данных<ref>[https://pubmed.ncbi.nlm.nih.gov/30865716/ Ronald Wihal Oei {{---}} Convolutional neural network for cell classification using microscope images of intracellular actin networks, 2019]</ref>.