比如一个汽车识别模型(14c: 447),它究竟是怎么认出图片中的汽车的?如果我们可以看到模型内部,我们可以发现14c: 447是由一个轮子探测器(4b: 373)和一个窗口探测器(4b: 237)构成的。
快速阅读一下这个句子,大家可能会发现,只需「我在天安门广场看升旗」几个字,就能概述我们需要的信息,也就是说,无需逐字逐句地阅读,抓住重点即可破译全部信息。那么,科学研究是不是也能如此呢?
我们最近看到了一些大型数据集的出现,它们允许训练深度学习模型来自动化各种任务,例如植物细胞评估,细胞核分割或有丝分裂检测,所有这些都非常准确,有时甚至超过人类 专家。
作者/凯霞 显微镜有着悠久的历史,1590年由荷兰的詹森父子所首创,是人类最伟大的发明之一,是人类进入原子时代的标志。显微镜作为科研和医疗领域重要的分析仪器,随着科学进步,对显微镜性能要求提高。而人工智能(AI)的引入,可帮助显微镜看的更清晰,更快的处理更多的数据,更实时、精确、自动化等。 近年来,有很多企业、科研机构和高校投入大量精力,致力于AI应用于显微镜研究。当前,显微镜智能化技术发展迅速。 本文将从显微镜基本概述,AI应用于显微镜研究进展,智能显微镜研究企业及机构,未来机遇与挑战等几个方面进行综述。
一幅图像可定义为一个二维函数 f(x,y)f(x,y)f(x,y),其中 xxx 和 yyy 是空间(平面)坐标,而任何一对空间坐标 (x,y)(x,y)(x,y) 处的幅值 fff 称为图像在该点处的强度或灰度。当 x,yx,yx,y 和灰度值 fff 是有限的离散数值时,我们称该图像为数字图像。数字图像处理是指借助于数字计算机来处理数字图像。
█ 本文译自 Wolfram 图像处理部门经理 Shadi Ashnai 和算法 R&D 顾问 Markus van Almsick,2017年9月29日的 Wolfram 博客文章:Computational Microscopy with the Wolfram Language 显微镜是四百年前发明的。但是今天,正如在许多其他领域一样,与计算相关的显微镜正在掀起一场革命。我们一直在努力使 Wolfram 语言成为计算显微镜这一新兴领域的最终平台。 首先是从光学显微镜、X 射线显微镜,透射电子显微镜(
加利福尼亚大学洛杉矶分校的一个研究小组设计了一种扩展荧光显微镜功能的技术,该技术使科学家能够使用特殊照明条件下发光的染料精确标记活细胞和组织的各个部分。研究人员利用人工智能将二维图像转换成虚拟三维切片的堆栈,这些三维切片显示了生物体内的活动。
一个偏远小镇的乡村诊所,现在也有机会用AI,采用人机结合的方式,筛查出难度极高的淋巴结转移的乳腺癌、前列腺癌了。
机器之心报道 编辑:维度、陈萍 借助深度学习算法,AI 能够成功地识别出细胞中难以识别的各种不同结构,这点人类有时都做不到。 利用人工智能(AI)标记和识别细胞的 3D 结构是一个非常有趣的研究课题,需要用到生物学中的荧光显微镜技术和深度学习等 AI 技术。艾伦细胞科学研究所(Allen Institute for Cell Science)专注于相关领域的研究,并取得了一些成果。 细胞的 3D 动态影像。 Susanne Rafelski 是该研究所的定量细胞生物学家和副主任,她和她的同事希望为细胞
大数据文摘作品 编译:龙牧雪、蒋宝尚、魏子敏 大家都听说过AR(增强现实)、VR(虚拟现实),电影《头号玩家》也展示了未来VR游戏的巨大潜力。但是如果把AR和机器学习相结合呢? 今天,谷歌Research团队在AI+AR+医疗相结合的领域又迈出了一步:他们在普通的光学显微镜上装了一个AR组件。 工作原理是这样的:用机器学习的方法实时分析显微镜视野下的图像,并实时输出模型的结果,通过AR组件,在原本的图像上绘制出潜在肿瘤的边缘。 也就是说,医生在看显微镜的时候,看到的不仅仅是细胞组织,还有机器学习建模的结果:
腾讯 AI Lab 今日在南京举办的「腾讯全球合作伙伴大会」上宣布,其AI+医疗领域研究已抢先从影像筛查进入病理分析阶段,相关的「智能显微镜」项目已在研发测试阶段。
谷歌在透射光显微镜和荧光显微镜这两种显微镜技术上获得灵感,在《Cell》上发表了利用深度学习来对显微镜细胞图像进行分色荧光标记的论文。 AI 科技评论按:在生物和医学领域,研究员们常运用显微镜来观察肉眼无法获得的细胞细节信息。虽然运用透射光显微镜(对生物样本单侧照射生成像),观察起来相对简单且活体培养样本具有良好耐受性,但是其生成的图像难以正确评估。荧光显微技术中会用荧光分子染色需要观察的目标(比如细胞核),这种做法能简化分析过程,但其仍需要复杂的样品制备。随着包括图像质量自动评估算法和协助病理医师诊断癌组
今天为大家介绍的是来自Michael Eisenstein的一篇报道。深度学习正推动算法的发展,使其能够理解来自各种显微镜技术的图像。
今天为大家介绍的是来自Viji M. Draviam团队的一篇论文。人工智能(AI)的发展促进了计算机视觉和深度学习(DL)技术在显微镜图像和影片评估中的应用增加。这种应用不仅解决了动态细胞生物过程的定量分析难题,还开始支持药物开发、精准医疗和基因组-表型组映射方面的进展。作者调查了现有的基于AI的技术和工具,以及开源数据集,特别关注于细胞和亚细胞结构及动态的分割、分类和跟踪的计算任务。作者从计算视角总结了显微镜视频分析中长期存在的挑战,并回顾了深度学习引导自动化在细胞动态研究中的新兴研究前沿和创新应用。
威斯康星大学麦迪逊分校和橡树岭国家实验室的研究人员训练计算机,使其快速一致地检测和分析核反应堆材料的微观辐射损伤,并且计算机在这项艰巨的任务中表现胜过人类。
AiTechYun 编辑:nanan 组装高质量的图像数据集 该显微镜主要用于成像应用程序,来分析每天TB数据。这些应用程序可以通过计算机视觉和深度学习的最新进展而获益。现在,Google工程师与机器
电子断层扫描是解析包含完整细胞区域的纳米级样本的三维结构的重要工具。细胞内部并不规则且拥挤,其内部结构在二维投影图像中会重叠。然而,远非一个混沌不堪的“细胞内容”,细胞内部实则高度有序。冷冻电子断层扫描能够揭示出细胞内部的瞬态超级复合体和长程相互作用,例如,不同细胞机制在病毒工厂中以协调的大型装配方式运作。从倾斜系列数据开始,断层图重构相对直接,尤其是当样品含有用于帮助对齐倾斜视图的基准标记时,因为这些倾斜角度是已知的(图5)。对于倾斜样品的三维散焦校正更为复杂,但可行,如在NovaCTF中实现的那样(Turonova等人,2017年)。
继发明 1 美元的折叠显微镜、20 美分的纸质离心机、10 美元的寄生虫检测贴片后,这位提倡“节俭科学”的印度裔生物物理学家 Manu Prakash 开始对人工智能下手了。他和同事们最近开发了一种新的扫描显微镜 Octopi,比传统显微镜分析速度快 120 倍。
复旦大学计算机科学技术学院研究团队,提出了跨任务、多维度图像增强基础 AI 模型 UniFMIR,实现了对现有荧光显微成像极限的突破,并为荧光显微镜图像增强提供了一个通用的解决方案。
答案是肯定的!在本文中,我们提出了一种灵活且低廉的方法来解决生物学问题,该方法非常适合业余科学家。我们充分利用了低成本的图像设备(FoldScope显微镜)、公共图像数据(Kaggle 数据库)和免费的数据分析工具(Kaggle Kernels)。
据介绍,该智能显微镜产品研发始于 2018 年,集成了目前病理分析与诊断方面的最新技术,并针对病理医生工作流程和习惯进行多次产品迭代,现已支持乳腺癌免疫组化(IHC)Ki67(肿瘤细胞增殖指数)、ER(雌激素受体)、PR(孕激素受体)和 Her2(细胞表面生长因子 2)等常用核染色和膜染色量化分析场景的判读。
选自Google Research 机器之心编译 很多常用的细胞标记方法有明显的缺点,包括不一致性、空间重叠、物理干预等。近日,谷歌利用深度学习方法即「in silico labeling(ISL)」标记细胞的研究登上了《Cell》杂志。ISL 能直接从未标记的固定样本或活体样本的透射光影像中预测多种荧光标记。由于预测是基于计算机的,ISL 可以克服上述所有缺点,并省去很多中间步骤。这项技术有望生物学和医学中打开全新的实验领域。此外,谷歌还开源了整个项目,包括模型代码和数据集等,供大家自由使用。 开源地址:
尽管全息相干成像显微镜存在着如无标记,无扫描3D成像等诸多优点,相对于其它的显微成像模式(如明场显微镜和荧光显微镜),全息显微成像仍旧存在一些问题,如复杂的相位重建迭代过程,噪音噪点,导致了它的使用范围并没有那么广泛。
位于华盛顿州西雅图的艾伦细胞科学研究所的定量细胞生物学家和副主任Susanne Rafelski 说「我们希望能够在活体成像中标记细胞的多种不同结构」。
今天为大家介绍的是来自Loïc A. Royer的一篇文章。生物图像分析领域正处于一个重大转型阶段之中,这要归功于成像技术和人工智能的进步。多模态基础模型的出现,类似于大型语言模型(如ChatGPT),但能够理解和处理生物图像,这具有巨大的潜力,有望引领生物图像分析领域进入一个革命性的时代。
2016年6月16日,美国Newswise新闻网站(www.newswise.com)发布消息称,人工智能可以帮助医生将癌症的诊断准确率提升至99.5%。 病理学家们仍然在沿用过去使用了100年的方式来诊断疾病,即手动检查显微镜下的图像。但新的工作表明,计算机可以帮助医生提高检测的准确性,并极大地改变癌症和其他疾病的诊断方法。 贝斯以色列女执事医疗中心(Beth Israel Deaconess Medical Center,BIDMC)的一个研究小组和哈佛医学院(HMS)最近开发了一个人工智能(AI)系统
该算法通过研究细胞的变化来进一步研究相关疾病的变化,获得了多项人类尚未发现的研究成果。 眼睛是心灵的窗口,但从去年开始,谷歌的研究团队就利用机器学习将眼睛转化为检查人体健康的“窗口”,他们通过算法分析人体的高精度3D视网膜照片发现,图像里面包含的信息可以用来判断出一个人的血压、年龄和吸烟状况。 近日,研究团队又获得了新的进展,利用算法分析其亚细胞结构(如线粒体、染色体、DNA链等)的变化后,发现了通过分析“眼睛”,我们可以判断一个人是否有患心脏病的风险。 不同于以往,这里的研究成果不断,背后的首要功臣是谷歌
AiTechYun 编辑:chux 在生物学和医学领域,显微技术为研究人员提供人肉眼无法观察到的细胞和分子的细节。透射光显微镜能够将生物样本照亮的同时进行成像,技术相对简单,且耐受度高,然而缺点是产生
本文将介绍我们联合舜宇光学科技和金域医学研发的国内首个获准进入临床应用的智能显微镜产品。 癌症被称为「众病之王」,若能尽早检测诊断,病人则更可能得到有效救治。一般来说,癌症的检查和诊断依赖于病理学检查;而在病理学检查过程中,显微镜观察是必不可少的步骤。钟南山院士曾表示:「临床病理水平是衡量国家医疗质量的重要标志」。 癌症被称为「众病之王」,若能尽早检测诊断,病人则更可能得到有效救治。一般来说,癌症的检查和诊断依赖于病理学检查;而在病理学检查过程中,显微镜观察是必不可少的步骤。钟南山院士曾表示:「临床
生物科学家研究基因网络,社会科学家研究社会网络,那神经科学家自然研究神经网络。研究复杂系统的「网络」是描述系统的基本方式。
AI 科技评论按:本文译自 Google Blog,作者为 Google 大脑团队产品经理 Craig Mermel 和技术主管 Martin Stumpe。
一旦建立了良好的样本条件,高分辨率数据收集通常在强大的半自动系统上完成。目前,这个领域的市场主要由ThermoFisher Krios主导,其具有300 keV场发射电子枪电子源,平行和相干照明,自动样本处理,高机械和电磁稳定性,能量过滤器用于从图像中移除非弹性散射电子(对于更厚的样本和断层图非常重要),以及用于自动数据收集的先进软件和探测器。JEOL cryoARM提供了基本相同的功能和数据质量,两家公司也提供200 keV的半自动系统。高电压、高分辨率的自动化显微镜购买和运行的成本极高,目前它们需要熟练的操作员为每次数据收集会议进行设置。随着方法的改进和流程化,这些系统越来越像同步加速器束线那样作为中心设施运行。专门的员工操作显微镜,科学审查选中的用户带来或寄来他们的样本进行预定的会议。英国国家电子显微镜设施在钻石光源同步加速器建立,利用了现有的用户程序、同行评审、运行、数据处理和维护的基础设施(Clare等人,2017)。其他几个国家和国际组织已经效仿这个例子。
选自IEEE Spectrum 机器之心编译 参与:黄小天、晏奇、李亚洲 去年,美国高级情报研究计划署(Intelligence Advanced Research Projects Agency, IARPA)资助了一个非常有野心的新项目 Microns,希望通过解码大脑算法来彻底改变机器学习;近日,这一项目又在 IEEE Spectrum 上发表了其最新进展,它通过逆向工程一立方毫米的老鼠大脑组织以为人工神经网络带来更多启迪,希望解决人工智能的最大挑战之一:「one-shot learning」。机器
编辑:张乾 弗朗西斯 文强 【新智元导读】2017年4月,Hinton在接受《纽约客》采访时说:“5年内深度学习就能超过放射科医生,从现在起就停止培训放射科医生”。此言论一出,再一次引发全球关于AI正在取代医生的焦虑讨论。IEEE Spectrum在2018新年伊始推出专刊“AI vs Doctors”,统计了从2016年5月至今,AI在医疗领域的进展,并对比各大细分领域AI与人类医生能力差距,人工智能正在医生的主场获取成功,哪些医疗诊疗行业已被AI超越?机器人医生是人类的未来吗? 2017年4月,Hi
病理学家们要想从一团密密麻麻的组织细胞里,找到空间排列奇怪,细胞核形状诡异的癌细胞,就得守在显微镜后头,一张一张活检切片看过去,看到天荒地老,海枯石烂。
组织病理学可以追溯到19世纪,它一直是病理学中使用的黄金标准诊断方法之一。如果在医学检查之后或在外科手术期间需要活组织检查,则需要从患者身上取出组织样本,然后将其切成微米薄片。这些病理学切片包含有关组织病理状态的微观信息;然而,这种薄的切片是透明的,并且在标准光学显微镜下不能提供足够的对比度。组织化学利用标本的细胞和亚细胞化学环境将特殊发色团与特定组织成分结合起来,在可见光显微镜下产生颜色对比,形成专家诊断医师和病理学家诊断组织标本异常的基础。
即使是患有相同疾病的癌症患者,癌细胞类型也可能存在巨大差异。在选择最有效的治疗方法时,识别目前特定的细胞类型非常实用,但这种做法往往耗费大量时间,并且经常受到人为错误和视觉限制的阻碍。
了解参与基因表达、线粒体呼吸或病毒感染等高度复杂过程的蛋白质的详细分子结构,对我们理解这些过程大有帮助。然而,要确定包含数十个独立蛋白质亚基的大型动态大分子复合物的分子结构往往十分困难。此外,整体膜蛋白一旦脱离脂质环境,通常就无法结晶,因此很难通过 X 射线衍射来解析其结构问题,而且许多整体膜蛋白体积过大,无法进行核磁共振成像。原则上,电子显微镜(EM)可以观察到直径在100至300 Å范围内的离散物体。实际上,在获得高分辨率图像之前,高强度的电子显微镜光束往往会损坏样本。在冷冻电子显微镜(cryo-EM)中,将含有许多相关结构单独副本的样品快速冷冻在玻璃体(或非结晶)冰中,并在使用电子显微镜进行二维观察时保持冷冻状态,从而大大减少了电子束对样品的损坏。
人脑的详尽地图一直是神经解剖学家长期追求的目标。磁共振成像 (MRI) 等非侵入性成像技术使科学家能够研究健康的人脑,但只能提供有限的解剖细节。通过对已故捐赠者的大脑进行显微镜检查,可以获得更高级别的细节,通常侧重于二维成像的小脑结构。
该细胞将有助于了解组织发育或器官内部功能的细胞水平发生的情况。 马德里卡洛斯三世大学的研究人员创建了新型显微镜4D-Nature,据了解,该显微镜能够随着时间轴快速拍摄3D图像,从而形成4D图像信息,以便于观察活体动物细胞。 据悉,与现代共聚焦显微镜每秒大约5张图像相比,该显微镜的QI范围可以达到每秒拍摄200张图像。此外,它还配有四个激光器,每个激光器均发射一个平面光束。使用多个激光器,不同类型的标有不同颜色荧光染料的细胞可以在同一时间进行成像,而无需研究人员在每次想要观察不同细胞类型时切换滤光片。 显微
乳腺癌是全球主要的癌症相关死亡原因之一,尤其是女性。然而,早期诊断可显着提高治疗成功率。为了早期诊断,正确分析组织学图像至关重要。具体来说,在诊断过程中,专家通过全玻片和显微镜图像评估整体和局部组织组织。然而,大量的数据和图像的复杂性使得这项任务既耗时又不简单。因此,自动检测和诊断工具的开发具有挑战性,但对该领域来说也是至关重要的。
甚至,在关键的48小时窗口中,当原始稚嫩的器官开始生长成型的时候,科学家们能够追踪每一个胚胎细胞,确定它的去向和变化,看看它打开了什么基因的锁头,以及它在此期间遇到了什么细胞。
机器之心报道 编辑:张倩 手搓精密仪器也可以是一个爱好。 世界上有这么一拨人,他们的爱好比较小众:自己造显微镜。 麦吉尔大学博士 Dan Berard 就是其中之一:他用自己业余时间造的扫描隧道显微镜(Scanning Tunneling Microscope,STM)看到了石墨里的碳原子。 扫描隧道显微镜是一种空间分辨率可以达到原子量级的微观探测工具。它的基本原理是将原子尺度的极细探针和被研究物质的表面作为两个电极,当样品与针尖的距离非常接近(通常小于 1nm)时,在外加电场的作用下,电子会穿过两个电极
乐高真可谓是成年人的快乐源泉,不仅可以发挥想象力用乐高搭建自己喜欢的房子和建筑,它还可以助力精密仪器的制作,是无数geek的心头好!
原来在黑白显示器上也能显示出彩色啊!通过在监视器上覆盖拜耳滤色镜,并拼接彩色图像,就能在黑白监视器上显示彩色图像。
StarDist 是一个基于深度学习的开源库,专注于识别和定位图像中的星形细胞或其他具有类似特征的结构。
加州理工大学的研究团队提出用全息显微镜技术探索外星生命。 一直以来,在寻找外星生命方面,科学家都是通过寻找水这一间接的方法来推测生命的存在。近日,加州理工大学的研究人员提供证据表明:使用激光记录3D图像的数字全息显微镜技术是当前我们发现外星微生物的最佳选择。 关于数字全息显微镜,就是全息技术和显微镜的结合,它解决了一般显微镜中分辨率与景深之间的矛盾, 避免了像差影响, 可以获得更大的视野。而全息技术就是一种利用干涉和衍射原理来记录并再现物体真实三维图像的技术。 当然主要的困难还在于如何辨别出微生物与尘埃粒子
2024年4月3日,来自加利福尼亚大学的Eva Nogales和德国海德堡欧洲分子生物学实验室(EMBL)的Julia Mahamid联合在Nature上发表综述:Bridging structural and cell biology with cryo-electron microscopy。
大数据文摘作品 编译:蒋宝尚、龙牧雪 就在这周,谷歌刚刚发布了一个AI+AR显微镜组件,把它装在普通的光学显微镜上,医生就能在看到细胞组织的同时,看到AI预测出的癌细胞区域轮廓线,大大方便了诊断过程。 4月12号,一项谷歌和生物医学研究机构Gladstone Institutes合作的有关“硅标记”的研究成果发表在了著名期刊Cell上。 论文链接: https://www.sciencedirect.com/science/article/pii/S0092867418303647 硅标记,指使用计算机直接
领取专属 10元无门槛券
手把手带您无忧上云